234 - Aplicacin de La Estadstica A La Psicologa PDF

Esta investigacin, arbitrada por pares acadmicos, se privilegia con
el aval de la institucin propietaria de los derechos correspondientes.
Ia edicin, julio del ao 2005
Ia reimpresin, junio del ao

2012
2005-2012 UNIVERSIDAD NACIONAL AUTNOMA DE

MXICO FACULTAD DE ESTUDIOS SUPERIORES ZARAGOZA
2005-2012
Por caractersticas tipogrficas y de diseo
editorial
MIGUEL NGEL PORRA, librero-editor
Derechos reservados conforme a

la ley
ISBN 970-701-587-X
Queda prohibida la reproduccin parcial o total, directa o indirecta del

contenido de la presente obra, sin contar previamente con la
autorizacin por escrito de los editores, en trminos de la Ley Federal del
Derecho de Autor y, en su caso, de los tratados internacionales
aplicables.
A Osiris, Alan y Astrid, por lo que representan para m. A
Javier y Monse, por ser lo ms importante en mi vida.
En la realizacin de este libro particip un grupo de

personas con aportaciones que fueron valiosas para el
buen trmino de este proyecto: Cinthia Cruz del Castillo,
Anglica Romero Palencia, Gerardo Benjamn, Tonatiuh
Villanueva Orozco, Blanca Ins Vargas Nez y Claudia
Lpez Becerra.
Tambin queremos agradecer a Argentina Lpez
Becerra por ayudar a transcribir estos apuntes
MIRNAYSOFA
Prlogo
La investigacin en psicologa es fundamental para el entendimiento del
comportamiento humano y para el desarrollo de programas e intervenciones

efectivas. Adicionalmente, la investigacin representa un proceso complejo en el
que los fenmenos o constructos a investigar son multidimensionales,
multicausales y multideterminados. Hacer justicia a los eventos y problemticas
estudiadas y asegurar la validez y confiabilidad de los hallazgos requiere de una
sofisticacin conceptual y tcnica profunda y sistemtica. De hecho, es necesario
que diferentes investigadores indaguen distintos aspectos de un mismo problema,
obtenindose as resultados que contribuyen a explicar el fenmeno de manera
integral.
La obtencin de hallazgos contundentes y replicables implica una

conceptualizacin terica slidamente fundamentada y la realizacin de una serie
de pasos metodolgicos y estadsticos sistematizados -protocolo cientfico- que
permitan sopesar la congruencia de los resultados con la realidad y su grado de
generalizacin. Como uno de estos pasos, el anlisis estadstico de los datos,
implica la seleccin de pruebas estadsticas contingentes con el nivel de medicin,
consistentes con el mtodo planteado y aplicados e interpretados por el
investigador de manera apropiada.
Para los psiclogos que consumen investigacin para sus intervenciones,
realizan investigaciones o estn en formacin, la tarea de elegir la prueba
estadstica adecuada, requiere de apoyo didctico. En este sentido, el que ese sea el
objetivo principal de este libro es un evento afortunado, lo cual slo es superado
por el hecho de que su utilidad se multiplique al ser un texto planteado en
trminos didcticos, sencillos y precisos, que les permita discernir la lgica
inherente a la estadstica en general y a cada prueba en particular.
Con el propsito de arribar a un utensilio concreto, aplicable, prctico, claro y
til, las autoras del texto desarrollan paso a paso las diferentes pruebas
estadsticas necesarias a la investigacin psicolgica, acompaadas de su manejo
minucioso a travs del paquete estadstico para las ciencias sociales (SPSS),
acompaados de la forma correcta de interpretacin de los resultados. Los
elementos de la obra hacen de ella una consulta indispensable, a partir de un
material bsico y comprensible. Colateralmente, el libro ofrece la aplicacin de la
estadstica a partir de ejemplos relacionados a los problemas sociales del pas.
Como punto final, adems de recomendar ampliamente el uso de la obra, felicito a
las autoras y al programa PAPIME de la UNAM que a travs del financiamiento del
proyecto EN314903 hizo este trabajo posible.
ROLANDO DAZ LOVING

Introduccin
La curiosidad del ser humano por saber por qu? y para qu? de las
relaciones interpersonales, y cmo ocurren stas en diferentes contextos -pareja,

familia, amigos, trabajo, escuela, etctera- ha generado infinidad de explicaciones y
descripciones en tomo al tema. Algunas de estas explicaciones surgen de la vida
cotidiana y se asumen como hechos verdaderos, sin ser cuestionados; por ejemplo,
la aseveracin de que las mujeres son emocionalmente dbiles. Esta es una
afirmacin compartida por muchos, sin embargo, carece de evidencia emprica y
sustento terico que la respalde, elementos que marcan la diferencia entre las
aseveraciones populares y aquellas que estn sustentadas tericamente y que son
medidas rigurosamente.
En el ejemplo anterior surgen preguntas como, todas las mujeres?, las que
caen dentro de un rango de edad determinado?, las solteras, casadas, viudas,
divorciadas o que viven en unin libre?, las que tienen determinado nivel de
escolaridad?, las que trabajan o las que son amas de casa?... De una afirmacin
aparentemente simple emanan una serie de interrogantes, lo que conduce a uno de
los puntos centrales de la investigacin: el objetivo que se quiere alcanzar, esto es,
para delimitar lo que se va a investigar es necesario tener claridad en el propsito
de la investigacin.
En este escenario, la estadstica es una herramienta que emplea el in-
vestigador para describir sus datos y para tomar decisiones. El tipo de prueba
estadstica a usar depender del objetivo de la investigacin, de su diseo, del
tamao de la muestra y de sus hiptesis.
De esta forma, la estadstica es una coleccin de hechos numricos que
permiten hacer inferencias de una muestra a una poblacin. Se clasifica en
descriptiva e inferential. La estadstica inferencial a su vez se clasifica en no
paramtrica y paramtrica.
13
As, la estadstica es una herramienta imprescindible del psiclogo,
sobre todo cuando realiza investigacin. Su aplicacin en el campo de la
psicologa no es nueva, tal como lo seala Downie y Heat (1973) quienes
refieren que en la dcada de 1880 Cattell se relacion con estadsticos
europeos, evento que influy en la aplicacin de los mtodos estadsticos
en el mbito de la psicologa.
De igual forma, tampoco es de sorprender la complejidad que re-
presenta comprender y aplicar las pruebas estadsticas a situaciones
especficas de investigacin. Es el caso que al incursionar en el rea de la
investigacin surja una serie de interrogantes con relacin a, qu prueba
es la ms adecuada para lo que se est investigando?, el tipo de medicin
elegido ser el apropiado para la prueba elegida?, el modelo estadstico
seleccionado: paramtrico o no paramtrico es congruente con el tamao
de la muestra y con el tipo de medicin empleado?
En fin, pueden ser muchas las dudas, y cuando se toman decisiones
inapropiadas los resultados y conclusiones derivados de esa investigacin
pueden ser falsos, adems de que se tiene el riesgo de cometer el error
estadstico tipo 1 (Alfa) o el error estadstico tipo 2 (Beta) los cuales se
describirn en este texto.
Precisamente este manuscrito tiene la intencin de proporcionar a los
estudiantes y profesionales de la psicologa un texto que incluya los ele-
mentos bsicos de la estadstica, descritos de una manera sencilla y apo-
yados con ejercicios, algunos de ellos, derivados de la investigacin de la
psicologa en Mxico, tratando de evitar explicaciones complicadas, por lo
que las frmulas que se presentan, as como el desarrollo de las mismas,
tienen como propsito que el lector conozca las operaciones que subya-
cen a cada una de stas con la intencin de que comprenda la lgica
mediante la cual se obtienen.
Al presente, por cuestiones prcticas es poco probable que el trata-
miento de los datos, derivados de una investigacin, se realice en forma
manual -sobre todo cuando las muestras son grandes- lo que conduce a
utilizar el paquete estadstico SPSS que permite en poco tiempo obtener
Sofa Rivera Aragn

14 Mirna Garca Mndez
resultados precisos. Sin embargo, si las instrucciones dadas al SPSS fueron
errneas, los resultados se vern alterados lo que conlleva a interpretacio-
nes equivocadas.
Con la intencin de disminuir estos errores, despus del desarrollo de
las frmulas inherentes a los estadsticos incluidos en el libro, se exponen
ejercicios paso a paso de las pruebas estadsticas, a travs del Statistical
Package for the Social Science (SPSS: paquete estadstico aplicado a las
ciencias sociales). En ambos casos -frmulas desarrolladas y SPSS- cada
ejercicio concluye con la interpretacin de los resultados.1
Con base en lo aqu expuesto, el libro inicia con la exposicin de los ni-
veles de medicin por considerarse fundamentales en la toma de decisiones
referentes a los pasos que proceden en la investigacin. Posteriormente se
aborda lo relacionado con la estadstica descriptiva en el captulo 2, estads-
tica que nos permite hacer una descripcin de los hallazgos empricos. En
este captulo se hace nfasis en el tipo de distribucin, medidas de tenden-
cia central y de variabilidad, a travs de una serie de ejemplos que tienen
como objetivo facilitar la comprensin de los elementos expuestos.
En el captulo 3 se expone lo que compete a la estadstica inferen-
cial, la cual nos permite adems de describir los datos encontrados, realizar
generalizaciones a partir de los hallazgos reportados en una muestra a una
poblacin en trminos de probabilidad. En esta parte del texto se presentan
los principios que sustentan a los dos grandes modelos estadsticos
derivados de la estadstica inferencial: la estadstica no paramtrica y la
estadstica paramtrica.
Los captulos 4 y 5 abordan de manera especfica algunas de las
pruebas no paramtricas y paramtricas ms empleadas por el investigador
social. En estos dos captulos, la explicacin de las pruebas es acompaada
por ejemplos que permitan una mejor comprensin de las mismas.
1Debido al uso de este sofware (SPSS), varias de las tablas reportadas en los diferentes
captulos de este libro aparecern en ingls.
Introduccin 15
Como parte final pero no por ello menos importante, cabe destacar que el
contenido de este libro se basa en los apuntes de la ctedra sobre estadstica,
dictada por la doctora Sofa Rivera Aragn, en el doctorado de psicologa de la
Facultad de Psicologa de la Universidad Nacional Autnoma de Mxico. Es
conveniente denotar que para su publicacin se cont con la autorizacin y
coautora de la doctora Rivera Aragn.
Medicin
Del o los objetivos de investigacin derivan las fases subsiguientes del
proceso de investigacin. Una de estas fases se refiere al tipo de medicin
empleada para evaluar una o ms variables de estudio, componente que tiene
una relacin directa con la estadstica empleada en el tratamiento de los
datos.
De esta manera la medicin consiste en reglas que asignan smbolos a
objetos, de tal forma que a) representan numricamente cantidades o
atributos, o b) definen si los objetos caen en las mismas o en diferentes
categoras con respecto a un atributo de medicin. En esta definicin, las
reglas se refieren a que la asignacin de nmeros sea explcita; y los atributos
denotan que la medicin implica caractersticas particulares del objeto, esto
es, los objetos per se no pueden medirse, se miden sus atributos (Nunnally y
Bernestein, 1995). Nunnally y Bernestein, indican que los nmeros
representan cantidades en escalas de medicin, lo que significa que la
cuantificacin implica qu tanto de un atributo est presente en un objeto.
En la literatura se mencionan cuatro niveles de medicin, aunque en
psicologa generalmente se emplean tres: nominal, ordinal e intervalar, los que
se describen a continuacin.
Escalas de medicin
Nominal
Es el nivel ms bajo de medicin de una variable en el que se le asignan

nmeros a los objetos, personas o caractersticas que se deseen evaluar,
las cuales no pueden ordenarse o sumarse. Precisamente a todos los miem-
bros de un conjunto se les asigna el mismo valor numrico, e.g. al preguntarles a
100 ciudadanos del Distrito Federal, para usted la infidelidad es positiva o
negativa? Se est empleando una medida nominal al registrar la frecuencia de las
respuestas, dndole el valor de 1 a la infidelidad positiva y el valor de 2 a la
infidelidad negativa, lo que se muestra en la tabla 1.
TABLA 1
OPININ DE LOS CIUDADANOS DEL DISTRITO FEDERAL SOBRE LA INFIDELIDAD
Infidelidad Frecuencia
1 40
2 60
Esta medicin coloca los casos dentro de categoras o conjuntos, y se cuenta la

frecuencia de ocurrencia, sin asignar el mismo valor a dos categoras, e.g. sexo, no
se puede clasificar a la misma persona como hombre y mujer.
Ordinal
Requiere que los objetos de un conjunto de variables puedan ser ordenados por
rangos respecto a una caracterstica o propiedad. Los valores numricos asignados
a los objetos ordenados se llaman valores de rango. En esta medicin los nmeros
no indican cantidades absolutas ni tampoco que los intervalos entre los nmeros
sean iguales, por lo que marca la organizacin de los rangos pero no seala la
magnitud de las diferencias entre stos, e.g. las etapas del desarrollo humano:
Niez
Adolescencia
Adultez
Vejez
Sofa Rivera Aragn

Otro ejemplo es el ciclo de vida de la pareja de acercamiento-alejamiento
(Daz-Loving, 1999):
1. Extrao/desconocido
2. Conocido
3. Amistad
4. Atraccin
5. Pasin
6. Romance
7. Compromiso
8. Mantenimiento
9. Conflicto
10. Alejamiento
11. Desamor
12. Separacin
13. Olvido
Como se puede observar en ambos ejemplos, no existe una distancia exacta

entre cada una de las etapas y tampoco se sabe con exactitud cundo termina una
e inicia la siguiente.
Intercalar
Esta medicin posee las caractersticas de las escalas nominales y ordinales, de

manera particular las de rango. Las distancias numricamente iguales de los
intervalos representan distancias iguales en la propiedad de la variable que se
mide. En este nivel de medicin se incluyen las escalas tipo Likert, e.g. la
clasificacin de la inteligencia a travs de la escala WAIS (Barragn, Benavides,
Brugman y Lucio, 1988) presentada en la tabla 2.
Tal como se observa en la tabla 2, existe la misma distancia entre los
diferentes niveles de medicin de la inteligencia, lo que indica una distribucin
igual de los intervalos de medicin.
Medlcin 21
TABLA 2
CLASIFICACIN DE LA INTELIGENCIA EN ADULTOS
Coeficiente intelectual Clasificacin
130 o ms Muy superior

120-129 Superior
110-119 Normal brillante
90-109 Normal
80-89 Subnormal
70-79 Limtrofe
50-69 Deficiente mental superficial
30-49 Deficiente mental medio
29 o menos Deficiente mental profundo
De razn
Es el nivel ms alto de medicin de una variable. Es una medida poco empleada en

la psicologa, por ende, no se hablar ms de l.
Con base en lo expuesto, a continuacin se presenta un ejemplo que involucra
tres de los cuatro niveles de medicin: nomina], de rangos e intervalar.
Ejemplo
En una investigacin que tiene por objetivo conocer la relacin entre la
satisfaccin marital, la escolaridad y el sexo. El sexo (hombres y mujeres) es una
variable nominal en la que a los hombres (H) se les asigna el valor numrico de 1 y
a las mujeres (M) se les asigna el valor numrico
2. El nivel de escolaridad (primaria, secundaria, preparatoria, licenciatura y
posgrado) es una variable ordinal que va de menor a mayor escolaridad, ordenada
de la siguiente manera:
Primaria 1
Secundaria 2
Preparatoria 3
Licenciatura 4
Posgrado 5
Sofa Rivera Aragn

TABLA 3
REPRESENTACIN DE LOS DIFERENTES NIVELES DE MEDICIN
Clasificacin Definicin Funcin Propiedad Estadstica Ejemplo

empleada
Nominal Categoriza Nombra Igualdad No Estado civil:

una variable. categoras. paramtrica. solteros, ca-
sados, unin
libre, viudos,
divorciados:
sexo: hombres y
mujeres.
Ordinal Ordena una Jerarquiza las >o< No Escolaridad:

variable. categoras (mayor o paramtrica primarla, se-
menor) cundarla, pre-
paratoria.
Intervalo Conoce la Cuantifica una Cero Paramtrica. Inteligencia:
distancia entre variable. Relativo. limtrofe, nor-
intervalos. mal, nomal
brillante, su-
perior.
Razn Conoce la Cuantifica una Cero Paramtrica. Las medidas de
proporcin variable. absoluto. distancia:
entre las va- metro, dec-
riables. metro, hect-
metro y
kilmetro.
La satisfaccin marital se medir con el IMSM integrado por 47 enunciados

positivos, con intervalos de respuesta del 1 al 5 (Corts, Reyes, Daz-Loving, Rivera
y Monjaraz, 1994).
Me gusta mucho = 5 Me
gusta = 4
Ni me gusta, ni me disgusta = 3 Me
disgusta = 2 Me disgusta mucho = 1
Medicin 23
Por sus caractersticas, este inventario evaluar la satisfaccin marital de
manera intervalar, debido a que medir las distancias o intervalos del constructo
de inters.
Las variables nominal (sexo) y ordinal (escolaridad) son generalmente
denominadas variables sociodemogrficas o de clasificacin por el investigador.
Ahora bien, si la satisfaccin marital se mide preguntndoles a las personas si
estn o no satisfechas con su relacin de pareja, la respuesta ser dicotmica S o
No, convirtindose la medicin en nominal. Los resultados que se obtendrn sern
frecuencias en relacin con el nmero de hombres y mujeres que estn satisfechos
o insatisfechos maritalmente. Este ejemplo denota que el tipo de medicin utili-
zada, estar en funcin de los objetivos que pretenda alcanzar el investigador.
De esta manera, se observa que cada una de las escalas de medicin tiene
caractersticas y funciones especficas, las que se presentan en la tabla 3.
Estadstica descriptiva
La estadstica descriptiva permite conocer la distribucin de los datos a partir de
la cuantificacin de los atributos de una categora o variable. De acuerdo con
Nunnally (1995) no necesariamente incluye la generalizacin.
Sus funciones son:
a) Conocer el tipo de distribucin.

b) Representacin grfica.
c) Obtener medidas de tendencia central (toma de decisiones).
d) Calcular medidas de variabilidad.
Conocer el tipo de distribucin

1. Frecuencia absoluta (f)
2. Frecuencia relativa (fr %)
3. Frecuencia ajustada (fa %)
4. Frecuencia acumulada (fa)
La frecuencia absoluta describe objetos, la relativa los ordena en porcentajes,

la ajustada recalcula las frecuencias absolutas y relativas, eliminando datos con
base en valores perdidos o missing, y la acumulada los ordena de mayor a menor o
viceversa.
Estas frecuencias se obtienen en el programa estadstico SPSS en cualquiera de
sus versiones. Despus de haber elaborado una base de datos e insertado los datos
en bruto, se le pide al SPSS las frecuencias de la variable de estudio y despliega los
cuatro tipos de frecuencia en una tabla.
27
Para comprender la lgica de las operaciones involucradas en la
distribucin de frecuencias, se expondr un ejemplo a partir del cual se
explicar la forma en la cual se obtiene cada una de las frecuencias.
Ejemplo
Se encuesto con un cuestionario abierto a una muestra de 300 personas,
hombres y mujeres, sobre el significado del funcionamiento familiar. Una vez
que se obtuvieron los datos se procedi a su organizacin, lo que se hizo
mediante una distribucin de frecuencias, tal como se observa en la tabla 4.
TABLA 4
TOTAL DE HOMBRES Y MUJERES QUE OPINARON SOBRE EL SIGNIFICADO DEL
FUNCIONAMIENTO FAMILIAR
Sexo f
Hombres 144
Mujeres 156
Total 300
Esta tabla muestra el total de hombres y mujeres que participaron en la

investigacin, sin embargo, para identificar la preferencia de hombres y
mujeres por uno u otro de los significados del funcionamiento familiar, se
obtuvieron las frecuencias absolutas de ocurrencia de respuesta por sexo.
Estos resultados se presentan en la tabla 5.
En la tabla 5 se enuncian las frecuencias absolutas (f) de ocurrencia de
respuesta de la categora de anlisis sexo: hombres (H) y mujeres (M), en
cada uno de los significados generales de funcionamiento familiar. En
este ejemplo la muestra no tiene una distribucin igual en cuanto al n-
mero de H y M incluidos, por lo que para comparar a los dos grupos aun
Sofa Rivera Aragn

TABLA 5
FRECUENCIAS DEL SIGNIFICADO DE FUNCIONAMIENTO FAMILIAR EN HOMBRES Y

MUJERES
Hombres Mujeres
Significados generales f f
Organizacin y estructura 25 20
Emocional-valorativa 44 66
Afectivo-funcional 53 54
Funcional 16 13
Afectiva 6 3
total 144 156
cuando existen diferencias en su tamao se emplea la frecuencia relativa (fr %).

La frecuencia relativa (fr %) se refiere a la ocurrencia de los niveles de una
categora -en este ejemplo (H y M)- por cada 100 casos. Su clculo se obtiene al
multiplicar cualquier proporcin dada por 100 (Levin y Levin, 2002).
Siguiendo con el ejemplo de los significados generales del funcionamiento

familiar, para obtener la frecuencia relativa de los H que respondieron el
cuestionario, se multiplica 100 por 144 y el resultado se divide entre 300 que es el
total de personas que participaron en la investigacin, y se extrae la fr que es de 48
por ciento.
La tabla 6 presenta que del total de la muestra, el 48 por ciento son hombres y
el 52 por ciento son mujeres.
Estadstica descriptiva 29
TABLA 6
FRECUENCIAS ABSOLUTA Y RELATIVA DE LA CATEGORA SEXO
Sexo f fr (%)
Hombres 144 48.0
Mujeres 156 52.0

Total 300 100
Con respecto a las respuestas de la muestra en relacin con los significados

del funcionamiento familiar, stas varan tal como se observa en la tabla 5 por lo
que tambin se aplica la frecuencia relativa al igual que en la categora de sexo. Los
datos se presentan en la tabla 7.
TABLA 7
FRECUENCIAS ABSOLUTA Y RELATIVA DEL SIGNIFICADO DE FUNCIONAMIENTO
FAMILIAR EN HOMBRES Y MUJERES
Hombres Mujeres
f fr(%) f r(%)
Organizacin y estructura 25 17.4 20 12.8

Emocional-valorativa 44 30.6 66 42.3
Afectivo-funcional 53 36.8 54 34.6
Funcional 16 11.1 13 8.3
Afectiva 6 4.2 3 1.9
Total 144 100 156 100
La frecuencia ajustada recalcula la frecuencia absoluta quitando datos o con

base en elementos perdidos que generalmente se computan con cero (en el SPSS
aparecen como missing). Estos elementos perdidos se refieren a los enunciados o
preguntas que la muestra no respondi. Con base en el ejemplo del significado del
funcionamiento familiar en H y M, la tabla 8 presenta las frecuencias absolutas,
las relativas y las ajustadas.
Sofa Rivera Aragn

30 Mirna
Garca Mndez
TABLA 8
FRECUENCIAS ABSOLUTA, RELATIVA Y AJUSTADA DEL SIGNIFICADO DE

FUNCIONAMIENTO FAMILIAR EN HOMBRES Y MUJERES
Significados generales Hombres Mujeres

f fr (%) fa (%) f fr (%) fa (%)
Organizacin y estructura 25 17.4 17.4 20 12.8 20

Emocional-valorativa 44 30.6 30.6 66 42.3 86
Afectivo-funcional 53 36.8 36.8 54 34.6 140
Funcional 16 11.1 11.1 13 8.3 153
Afectiva 6 4.2 4.2 3 1.9 156
Total 144 100 100 156 100
En esta tabla la fr y fa (%) son iguales debido a que no hubo valores perdidos.
Con fines de ejemplificar la fa (%) la tabla 9 muestra las frecuencias del estado civil
de la muestra.
Tabla 9
FRECUENCIAS DEL ESTADO CIVIL DE HOMBRES Y MUJERES
Estado civil f fr(%) fa (%)
Casado 120 40.0 40.3

Soltero 151 50.3 50.7
Unin libre 13 4.3 4.4
Divorciado 8 2.7 2.7
Separado 3 1.0 1.0
Viudo 3 1.0 1.0
Total 298 99.3 100.0
Valores perdidos 2 .7
(missing) 0
Total 300 100.0
La frecuencia acumulada (la) ordena los puntajes del total de casos de una
categora. Se obtiene al sumar la frecuencia de un puntaje dado a la frecuencia de
la categora debajo de ella. Al resultado de esta operacin, se suma en forma
acumulativa el puntaje de la categora debajo de ella, y as sucesivamente hasta
tener incluidos el total de los casos. Siguiendo el ejercicio de los significados de
funcionamiento familiar, la tabla 10 presenta las frecuencias absolutas, relativas,
ajustadas y acumuladas por hombres y mujeres.
TABLA 10
FRECUENCIAS ABSOLUTAS, RELATIVAS, AJUSTADAS Y ACUMULADAS DE HOMBRES Y
MUJERES CON RELACIN AL SIGNIFICADO DEL FUNCIONAMIENTO FAMILIAR
Significados Hombres Mujeres

generales
f fr (%) fa (%) fa f fr(%) fa (%) fa
Organizacin
y estructura 25 17.4 17.4 17.4 20 12.8 12.8 12.8
Emocional-valorativa 44 30.6 30.6 47.9 66 42.3 42.3 55.1
Afectivo-funcional 53 36.8 36.8 84.7 54 34.6 34.6 89.7
Funcional 16 11.1 11.1 95.8 13 8.3 8.3 98.1
Afectiva 6 4.2 4.2 100.0 3 1.9 1.9 100.0
total 144 100 100 156 100 100
Ejercicio SPSS
Para obtener los cuatro tipos de frecuencia en SPSS de las 300 personas, se realizan
los siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en Analyze, se presiona el
botn izquierdo del mouse.
Paso 2. Al presionar Analyze, aparece un men en el que se coloca el cursor
en Descriptive Statistics, se presiona con el botn izquierdo del mouse y aparece
otro men, se coloca el cursor en Frequencies y una vez ms se presiona con el
botn izquierdo del mouse.
Sofa Rivera Aragn

Paso 3. Al presionar Frequencies, se abre un men que contiene las
variables de la investigacin, se marca con el botn izquierdo del mouse la
variable siggene (significados generales del funcionamiento familiar).
Paso 4. Una vez sealada la variable siggene, se coloca el cursor en el
icono que est entre las variables de estudio y variable(s), se presiona el bo-
tn izquierdo del mouse, de esta operacin siggene aparece en el cuadro de
variable(s).
Paso 5. Se coloca el cursor en el icono de OK, se presiona el botn iz-

quierdo del mouse obtenindose los cuatro tipos de frecuencias, en donde:
frequency es frecuencia absoluta, percent es frecuencia relativa, valid percent
es frecuencia ajustada y cumulative percent es frecuencia acumulada.
Sofa Rivera Aragn

34 Mima Garca Mndez
SIGNIFICADOS GENERALES
Valia Cumulative
Frequency Percent Percent Percent
Valid organizacin
y estructura 45 15.0 15.0 15.0
emocional-valorativa 110 36.7 36.7 51.7
afectivo-funcional 107 35.7 35.7 87.3
funcional 29 9.7 9.7 97.0
afectiva 9 3.0 3.0 100.0
Total 300 100.0 100.0
Estos resultados indican que los significados de funcionamiento familiar con

mayor ocurrencia de respuesta fueron el emocional-valorativo y el afectivo-
funcional.2
Una vez descritos los cuatro tipos de frecuencias, se proseguir con la
distribucin de frecuencias agrupadas, las que se emplean para incluir las
frecuencias absolutas en intervalos de clase (Levin y Levin, 2002; Downie y Heat,
1973). Estos intervalos de clase son comnmente empleados cuando la
distribucin de frecuencia es tan amplia que resulta poco prctica. Es el caso del
ejemplo de la tabla 11 que presenta una distribucin de frecuencias por edad en
una muestra de
351 personas, que vara de 21 a 60 aos.
La tabla 11 indica que se tiene una persona de 21 aos, dos personas de 22
aos, 13 personas de 23 aos y as sucesivamente.
Con el propsito de que los datos tengan una presentacin sencilla y clara, se
obtienen los intervalos de clase que para este caso es de cinco, tal como se observa
en la tabla 12. La decisin del tamao del intervalo es responsabilidad del
investigador, quien generalmente parte de su base de datos y de los objetivos de su
investigacin.
2Con fines didcticos se presentarn las tablas del SPSS, aunque stas no se reportan en
una investigacin, se abstraen los datos que el investigador desea resaltar y se muestran en
otro formato.
TABLA 11
DISTRIBUCIN DE EDAD POR FRECUENCIAS EN HOMBRES Y MUJERES.
Edad f Edad f Edad f Edad f
21 1 31 15 41 8 51 2
22 2 32 18 42 1 52 5
1
23 13 33 16 43 7 53 6
24 13 34 13 44 7 54 1
25 11 35 16 45 4 55 2
26 17 36 9 46 7 56 0
27 11 37 18 47 4 57 2
28 13 38 14 48 3 58 0
29 19 39 15 49 8 59 0
30 15 40 13 50 8 60 4
Total 351
TABLA 12
DISTRIBUCIN DE EDAD POR INTERVALOS EN HOMBRES Y MUJERES
Intervalo de clase f
56-60 6
51-55 16
46-50 30
41-45 37
36-40 69
31-35 78
26-30 75
21-25 40
Total 351
A su vez los intervalos de clase tienen un lmite inferior y un lmite superior

(vase tabla 13).
Como se observa en la tabla 13, el lmite inferior del intervalo de edad 21-25 es
20.5 y su lmite superior es 25.5, que tambin es el lmite inferior del intervalo 26-
50, esto es, el lmite superior de cada uno de los intervalos se convierte en el lmite
inferior del intervalo subsiguiente.
Sofa Rivera Aragn

TABLA 13
LMITES SUPERIOR E INFERIOR DE LOS INTERVALOS DE EDAD EN UNA

MUESTRA DE 351 SUJETOS
Limits inferior Intervalo de clase Lmite superior
55.5 56-60 60.5

50.5 51-55 55.5
45.5 46-50 50.5
40.5 41-45 45.5
35.5 36-40 40.5
30.5 31-35 35.5
25.5 26-30 30.5
20.5 21-25 25.5
Representacin grfica
Los resultados que se obtienen de la investigacin se pueden representar en tablas

o grficas, pero nunca se debern emplear ambas alternativas para presentar los
mismos datos; por ejemplo, si la escolaridad de la muestra se presenta en tablas,
ya no se utilizar la figura, porque ello implica repetir la informacin. Hay
investigadores que se inclinan por el uso de figuras debido a que atraen la atencin
visual del observador.
Una de las caractersticas de las grficas consiste en que se basan en una
recta numrica (vase grfica 1).
GRFICA 1
REPRESENTACIN DE LA RECTA NUMRICA
Estadstico descriptiva 37
Las grficas que se utilizan con mayor regularidad son:
1. Barras
2. Pastel
3. Histograma
4. Ojivas
5. Polgonos de frecuencia
Las grficas de barras y pastel se aplican nicamente a variables nominales y

ordinales; mientras que los histogramas, ojivas y polgonos de frecuencia se
emplean en variables ordinales, intervalares y de razn.
Grfica de barra
En esta figura no hay continuidad en las barras cuando se emplea en datos

nominales, razn por la que estn separadas. La grfica 2 muestra el grado de
escolaridad de los 300 sujetos a los que se les aplic el cuestionario abierto del
significado de funcionamiento familiar. Los nmeros que aparecen al interior de
cada una de las barras son opcionales, se incluyen si el investigador quiere indicar
el nmero de sujetos que corresponde a cada nivel educativo. As el nmero 22 que
aparece en la barra de primaria, indica que de la muestra total de 300 personas,
22 de ellas tienen educacin primaria.
La grfica 3 presenta las cinco categoras que resultaron de la aplicacin del
cuestionario abierto del significado de funcionamiento familiar (organizacin y
estructura, emocional-valorativa, afectivo-funcional, funcional y afectiva) as como
la distribucin de la muestra en cada categora.
La diferencia entre las grficas 2 y 3, es que en la grfica 2 cada barra muestra
el nmero exacto de sujetos ubicados en cada grado escolar, mientras que en la
grfica 3 se observa de manera general la distribucin de la muestra en las cinco
categoras de funcionamiento familiar. La eleccin de una u otra figura est en
funcin de lo que el investigador quiera resaltar de sus resultados.
Sofa Rivera Aragn

GRFICA 2
NIVELDEESCOLARIDAD
GRFICA 3
DISTRIBUCIN DE LA MUESTRA EN LAS CATEGORAS DE
Grfica de pastel o de sectores
Se utiliza con frecuencias absolutas y relativas, es til para mostrar di-

ferencias de frecuencias en categoras de nivel nominal. La grfica 4
presenta la variable ocupacin de una muestra de 352 personas, hombres y
mujeres del Distrito Federal.
Grfica 4
OCUPACIN DE HOMBRES Y MUJERES
Cada seccin de la grfica tiene el nmero de individuos agrupados por

cada uno de los cinco tipos de ocupacin.
Tambin con la figura de pastel se puede presentar la distribucin de la
muestra con porcentajes, como se aprecia en la grfica 5. Del total de las
352 personas que integran la muestra, su escolaridad se distribuye de la
siguiente manera: 18 por ciento tiene primaria, 36 por ciento secundaria,
31 por ciento preparatoria y 25 por ciento licenciatura.
Grfica de histograma
Se emplean en variables continuas3 y se elaboran con base en el lmite

inferior del intervalo. La grfica 6 muestra los intervalos de edad de la
3 Una variable continua es aquella que asume un conjunto ordenado de valores dentro de un
rango (Kerlinger y Lee, 2001).
Sofa Rivera Aragn

GRFICA 5
NIVELESDEESCOLARIDADENHOMBRESYMUJERES
muestra de 351 sujetos de las tablas 12 y 13. Las barras estn unidas por-
que denotan continuidad del intervalo de menor edad (21-25) al de mayor
edad (56-60).
GRFICA 6
INTERVALOS DE EDAD EN UNA MUESTRA DE 351
HOMBRES Y MUJERES
Otro ejemplo relacionado con los histogramas es el caso del cons-
tructed esperanza, medida por una escala cuyos intervalos de respuesta
van del 1 al 5. Esta escala se constituye por dos dimensiones: importancia y
probabilidad, cada una con 10 factores (Vargas, Garca-Mndez, Daz-
Loving y Rivera, 2004). El histograma de la figura 7 muestra el com-
portamiento de uno de los factores de probabilidad -ayuda paterna- en una
muestra de 300 personas del D.E
GRFICA 7
NMERO DE PERSONAS POR INTERVALO DE RESPUESTA EN EL FACTOR DE AYUDA

PATERNA EN LA ESCALA DE ESPERANZA
Grfica de ojiva o de polgono de

frecuencia acumulada
Se basa en la frecuencia absoluta y se grafica con el lmite superior. En esta

figura, la lnea que conecta los puntos es ascendente, razn por la que no
toca la lnea base horizontal (Downie y Heath, 1973). La grfica 8 presenta
los rangos de edad de una muestra de 351 personas, rangos distribuidos
con base en el lmite superior presentado en la tabla 13 de este captulo.
Sofa Rivera Aragn

G RFICA 8
RANGOS DE EDAD
Grfica de polgonos de frecuencia
Se conoce tambin como curva. Es ms fcil de graficar despus de hacer

un histograma. Un ejemplo de polgonos de frecuencia se expone en la
grfica 9, en una muestra de 168 parejas heterosexuales, cuyos aos de
unin se distribuyeron por rangos.
Grfica 9
RANGOS AOS DE UNIN
Obtener medidas de tendencia central
Es comn en el mbito de la investigacin, querer saber lo tpico o el

promedio en el que se encuentra la muestra de estudio, con la finalidad de
describirla en forma global. Este promedio o valor se conoce como medida
de tendencia central debido a que se encuentra en el centro de una
distribucin en la que se localizan la mayora de los puntajes de la muestra
(Levin y Levin, 2002). La forma de obtener este promedio es a travs de las
medidas de tendencia central: media, mediana y moda expuestas en la
tabla 14.
1. Media es un promedio.
2. Mediana divide en dos a la muestra.
3. Moda es el valor que se repite con mayor frecuencia.
Tabla 14
MEDIDAS DE TENDENCIA CENTRAL
Representacin Nivel de medicin Exactitud
Paramtrica X (media) Intervalar Exacta

No paramtrica Md (mediana) Ordinal Variable
Mo (moda) Nominal Inestable
Como se observa en la tabla 14 es usual emplear letras latinas para re-

presentar las caractersticas de una muestra y las letras griegas para los
parmetros de una poblacin (Downie y Heath, 1973). En el caso de la tabla
14, la X(media) es un estimador debido a que es un valor que representa
una caracterstica de la muestra, y la (media) es un parmetro, porque es
un valor que representa las caractersticas de una poblacin.
Estas medidas de tendencia central son empleadas en la toma de
decisiones e indican el punto medio de una distribucin, tal como se
observa en la grfica 10.
Sofa Rivera Aragn

44
Mirna Garca Mndez
GRFICA 10
DISTRIBUCIN NORMAL
Media
La media aritmtica X es la medida de tendencia central ms utilizada en la

investigacin, se obtiene al sumar el total de puntajes obtenido por la muestra,
dividido entre el nmero total de la muestra (Clark-Carter, 1997; Levin y Levin,
2002; Downie y Heath, 1973). Su frmula es:
Donde:
La media.
La suma expresada por la letra griega sigma
Datos crudos
Nmero de casos
Esta frmula se emplea en datos no agrupados (datos crudos) en muestras

pequeas.
Ejemplo 1
Conocer la media de edad de una muestra de diez sujetos
Cuando se trabaja con datos agrupados por frecuencias o por intervalos y con
muestras grandes, la media se obtiene con la siguiente frmula:
donde:
La media.
La suma expresada por la letra griega sigma
Los puntajes en crudo de la muestra
Un puntaje multiplicado por su frecuencia de ocurrencia
La suma de los fx
Nmero de casos
Sofa Rivera Aragn

Ejemplo 2
Se aplic a una muestra de 330 hombres y mujeres la escala de depresin de Zung

(1965) (SDS).4 La presencia o ausencia de depresin se evalu con base en cuatro
niveles:
1 = < 50% sin depresin

2 = > 50% depresin leve
3 = > 60% depresin moderada
4 = > 70% depresin grave
Primero se obtienen las frecuencias de ocurrencia en cada uno de los niveles de

depresin.
Niveles de depresin f
1 264
2 45
3 14
4 7
Despus se obtiene la fx, al multiplicar cada una de las frecuencias por el nivel
de depresin correspondiente.
4 SDS son las siglas del nombre de la escala en ingls: Self-Rating Depression Scale.
Esta media de 1.3 indica que la mayora de los 330 sujetos se ubican en el
nivel 1, lo que significa que en promedio la muestra no tiene depresin.
Ejemplo 3
Para obtener la media de aos de unin de una muestra de 352 sujetos que
vivan con una pareja al momento de la investigacin, los datos se agruparon en
intervalos. Una vez derivados los intervalos, se obtiene la marca de clase (Mx) o
punto medio de cada intervalo donde 33 es el, punto medio del intervalo 31-35
porque 33 + 2 = 35 y 33- 2 = 31.
Intervalo Mx
31-35 33
26-30 28
21-25 23
16-20 18
11-15 13
6-10 8
1-5 3
Enseguida se obtiene la frecuencia de ocurrencia (f) de cada intervalo, as en

el intervalo de 26-30 aos de unin, se encuentran 24 personas.
Intervalo Mx f
31-35 33 8
26-30 28 24
21-25 23 34
16-20 18 49
11-15 13 84
6-10 8 110
1-5 3 43
Sofa Rivera Aragn

Posteriormente se multiplica cada frecuencia por su respectiva Mx y
se consiguen de esta manera las fx.
De esta manera se concluye que la media de aos de unin de esta muestra es

de 13.3.
Mediana
La mediana (Md) es el valor medio de la distribucin, divide el total de los casos

en dos, razn por la que se dice que divide en dos a la muestra, dejando el mismo
nmero de casos a cada lado de ella (Downie y Heath, 1973).
Cuando se tiene un nmero impar de casos, la Md se ubica exactamente a la
mitad de la distribucin. En los datos que a continuacin se presentan, la Md de
edad de los 145 sujetos es de 21 aos y le quedan tres rangos de edad hacia arriba
y tres rangos de edad hacia abajo.
Edad f
18 21
19 22
20 32
21 26
22 14
23 18
24 12
n = 145
De acuerdo con Levin y Levin (2002) la posicin del valor de la Md tambin
se puede obtener con la frmula:
Posicin de la Md
Siguiendo con el ejemplo de la edad:
Posicin de la Md
Para localizar el nmero 73 se saca la frecuencia acumulada (fa) la cual se

revis al inicio de este captulo.
Edad f fa
18 21 145
19 22 124
20 32 102
21 26 70
22 14 44
23 18 30
24 12 12
n= 145
Una vez obtenida la fa se localiza la posicin de la Md 73 en la columna

de la fa. El nmero ms cercano al 73 es el 70 por lo que la Md de edad es 21.
Si el nmero de casos es par, entonces se procede de acuerdo con el
siguiente ejemplo. En una muestra de 90 sujetos, la posicin de la Md 45.5 se
ubica entre las fa 35-50 por lo que la Md es de 10.5 aos de escolaridad,
situada a la mitad de la distribucin.
Moda
La moda (Mo) es una medida de tendencia central para datos no agru-

pados, cuyo valor se presenta ms veces. En el ejemplo anterior la Mo es
Sofa Rivera Aragn

50
Mirna Garca Mndez
10 aos de escolaridad, debido a que su frecuencia es la ms alta en la
distribucin: son 15 los sujetos que tienen estos aos de escolaridad.
Ejercicio SPSS
Para obtener las medidas de tendencia central en SPSS , se retomar el ejercicio de

los significados generales del funcionamiento familiar desarrollado para extraer
los cuatro tipos de frecuencias. Recuerde que despus de realizar los pasos 1, 2, 3
y 4 en el SPSS se obtuvo un men. En este men, ahora se coloca el cursor en el
icono de statistics y se presiona el botn izquierdo del mouse:
Al presionar statistics aparece un men en el que se coloca el cursor en cada
uno de los cuadros de las tres medidas de tendencia central de nuestro inters -
media, mediana y moda se presiona en estos cuadros con el botn izquierdo
del mouse, enseguida se coloca el cursor en el cono de continue que se
presiona con el botn izquierdo del mouse.
Al presionar el icono de continue reaparece el men del paso 4 y se presiona el

icono OK.
Sofa Rivera Aragn

Despus de presionado el icono de OK aparecen en una tabla las medidas de
tendencia central con sus respectivos valores.
STATISTICS
Significados generales
N Valid 300
Missing 0
Mean 2.4900
Median 2.0000
Mode 2.00
El valor de la media, mediana y moda es de 2, lo que indica una

distribucin normal de las respuestas de la muestra.
Calcular medidas de dispersin (variabilidad)
Las medidas de dispersin son importantes en la descripcin de la dis-

tribucin, debido a que indican el grado en que varan los datos con relacin a
la parte central de la curva normal, lo que las convierte en un elemento
inseparable de las medidas de tendencia central; adems estas medidas de
dispersin slo pueden aplicarse a medidas de rango e intervalares. Las ms
empleadas son:
1. Rango
2. Desviacin estndar
3. Varianza
4. Sesgo
5. Curtosis
6. Error estndar
Rango (R)
El rango tambin conocido como recorrido (Mendenhall, 1982; Downie

y Heath, 1973) es la distancia entre el valor mnimo y el valor mximo de
una distribucin. Su clculo es fcil y rpido, no requiere de frmula y se puede
utilizar en medidas ordinales e intervalares. Su desventaja radica en su inestabilidad,
esto es, de una muestra a otra, presenta grandes variaciones, por lo que se
recomienda emplearse como una medida preliminar.
Un ejemplo de esta medida de variabilidad es conocer el rango de
rendimiento escolar de 42 alumnos, cuya calificacin ms alta fue de 9 y la ms
baja de 2. El R se obtiene de la resta 9-2 esto es el R = 7.
Desviacin estndar
(o = parmetro de la poblacin) (s = estimador de la muestra)
La desviacin estndar nicamente se puede emplear en medidas intervalares.

Es una puntuacin que indica la distancia con relacin a la media, razn por la
que la media no tiene significado sin la desviacin. De esta forma, como se
observa en la grfica 11, la desviacin representa la variabilidad promedio de una
distribucin.
G RFICA 11
REPRESENTACIN DE LA DESVIACIN ESTNDAR EN
UNA DISTRIBUCIN NORMAL
Sofa Rivera Aragn

Su frmula es:
donde:
s = Desviacin estndar
Suma de frecuencias de puntajes crudos elevados al cuadrado
n = Nmero total de casos
(X)2 = Media elevada al cuadrado
Para entender la desviacin estndar de la cual depende la significancia, es

necesaria la curva (vase grfica 12) que representa el 100 por ciento de la
probabilidad. De esta manera, 100 por ciento es el rea bajo la curva.
GRFICA 12
REPRESENTACIN DE LA SIGNIFICANCIA A PARTIR DE LA DESVIACIN
ESTNDAR EN UNA DISTRIBUCIN NORMAL
Ejemplo
Para calcular la desviacin estndar del nmero de hijos en una muestra de

176 parejas, se realiza lo siguiente:
1. Se obtiene la distribucin de frecuencia (/)
Nm. de hijos (x) f
1 49
2 74
3 34
4 15
5 4
n = 176
2. Se multiplica cada frecuencia por el nmero de hijos, esto es, 49 parejas

tienen un hijo, se multiplica 49 X 1; 74 parejas tienen dos hijos, se multiplica 74 X
2, y as sucesivamente.
Nm. de hijos (x) f fx
1 49 49
2 74 148
3 34 102
4 15 60
5 4 20
n = 176 S/x = 379
3. Se multiplica cada fx por el nmero de hijos y as se obtienen las fx2.
Nm. de hijos (x) fx fx2
1 49 49
2 148 296
3 102 306
4 60 240
5 20 100
2/x2 = 991
Sofa Rivera Aragn

De acuerdo con la frmula de la desviacin estndar
falta obtener la media por lo que
se toma del punto dos.
4. Una vez que se tiene la X = 2.15 hijos, sta se eleva al cuadrado (X)2 4.62
y entonces:
Varianza (s2 o 2)
La varianza es la desviacin estndar al cuadrado, indica una distancia con

respecto a la X, su aplicacin es el anlisis de varianza (Anova)5 e indica cunto
de la variabilidad de la variable dependiente es explicada por la variable
independiente. De esta forma muestra qu tanto de la variabilidad de la variable
dependiente es explicada por las diferencias de los individuos, proceso al que se
le conoce como varianza de error.
5 Siglas en ingls del anlisis de varianza.
Sesgo
El sesgo se refiere a la variacin de una distribucin, es el grado de asimetra de

la distribucin observada por el nmero de casos agrupados en una sola
direccin. Su interpretacin est asociada con el valor y el signo, esto es:
Valor - 4 a + 4
Signo + -
El signo implica el nivel de asimetra de la curva, cuando ms cercana est al

cero, la curva es normal, cuando ms cercana est al cuatro, la curva es asimtrica
o sesgada.
Ejemplos
Una muestra de 60 mujeres se clasific por la actividad que realizaban de la

siguiente manera: 1. estudiantes, 2. empleadas, y 3. sin actividad. En la grfica 13
se puede ver que la mayora de la muestra era estudiante, lo que se refleja en el
sesgo positivo de la grfica 13.
GRFICA 13
ACTIVIDADES REALIZADAS POR MUJERES
Sofa Rivera Aragn

Al indagar en torno a los elementos que intervienen en el funcionamiento
familiar en una muestra de 300 sujetos, se encontr que 232 reportaron que la
comunicacin es un indicador que interviene en el funcionamiento familiar. Estos
hallazgos se observan en la grfica 14 que muestra un sesgo negativo debido a que la
curva est cargada a la derecha.
GRFICA 14
LA COMUNICACIN COMO ELEMENTO DEL
Curtosis (K)
Es el nivel de picudez de una curva, esto es, su grado de elevacin o

aplanamiento. A diferencia del sesgo, la curtosis es una z4 sobre el nmero de
sujetos.
La curtosis al igual que el sesgo depende del valor y del signo:

a) Valor. Si el cero va de + 4 a - 4 la curva es mesocrtica.
b) Signo. Si es positivo se habla de una curva leptocrtica.
Ejemplos
El nmero de hijos en una muestra de 176 parejas fluctu entre uno y cinco,
predominando las parejas con dos hijos, tal como se observa en la grfica 15, lo
que hace que la curva sea alta o picuda (leptocrtica).
GRFICA 15
NMERO DE HIJOS
La grfica 16, representa una curva mesocrtica, esto es, una distribucin
normal en una muestra de 60 mujeres, 30 con diagnstico que indica problemas
de alimentacin y 30 sin problemas alimenticios.
La grfica 17, muestra una curva platocrtica hipottica, que se caracteriza
por su distribucin relativamente plana.
De esta manera se observa que el sesgo y la curtosis indican la asimetra, el
sesgo hacia uno u otro lado de la curva y la curtosis a travs de la elevacin de la
misma.
Sofa Rivera Aragn

GRFICA 16
DIAGNSTICO DE PROBLEMAS EN LA ALIMENTACIN
G RFICA 17
CURVA PLATOCRTICA
Error estndar ( o e)
El error estndar es la diferencia entre la media muestral y la media

poblacional, est vinculado al error de muestreo.
Ejercicio SPSS
Para obtener las medidas de dispersin en SPSS de una muestra de 300 personas a
las que se les aplic la escala de depresin de Zung (1965) se llevan a cabo los
siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en analyze, se presiona el botn
izquierdo del mouse, aparece un men en el que se coloca el cursor en descriptive
statistics y se presiona el botn izquierdo del mouse, nuevamente se muestra un
men en el que se presiona con el botn izquierdo del mouse, frequencies.
Paso 2. Al presionar frequencies, se abre un men que contiene las variables de

la investigacin, se marca con el botn izquierdo del mouse la variable rangos
(niveles de depresin).
Paso 3. Una vez sealada la variable rangos, se coloca el cursor en el icono que
est entre las variables de estudio y variable(s), se presiona el botn izquierdo del
mouse, lo que resulta en que rangos aparece en el cuadro de variable(s).
Posteriormente se coloca el cursor en el icono de statistics y se presiona el botn
izquierdo del mouse.
Sofa Rivera Aragn

Paso 3
Paso 4. Al presionar el icono de statistics aparece un men en el que se

colocar el cursor en cada uno de los cuadros de las tres medidas
de dispersin -desviacin estndar, varianza y rango- para despus presio-
nar en cada cuadro con el botn izquierdo del mouse. De igual forma se
coloca el cursor en el cuadro de kurtosis y se presiona el botn izquierdo del mouse.
Paso 5. Despus de presionar las medidas de dispersin y la curtosis, se coloca

el cursor en el icono de continue y se presiona con el botn izquierdo del mouse, de
lo que resulta el men del paso tres. En el men del paso tres, se coloca el cursor
en el icono de OK, se presiona el botn izquierdo del mouse y aparecen las medidas
de dispersin y la curtosis con sus respectivos valores.
STATISTICS
Rangos
N Valid 330
Missing 22
Std. Deviation .6458
Variance .4171
Kurtosis 6.138
Std Error of Kurtosis .268
Range 3.00
Sofa Rivera Aragn

Los valores de la tabla del SPSS indican que de los 330 casos analizados, 22
quedaron fuera debido a que dejaron sin contestar varios de los reactivos que
incluye la escala. Los valores de la desviacin estndar y la varianza indican una
distribucin normal, la curtosis muestra que la mayora de las personas se ubica
en uno de los cuatro rangos de depresin, y el rango seala que de los cuatro
intervalos de respuesta de la escala, el 3 fue el que obtuvo mayor frecuencia.
Como parte final de este captulo, la tabla 15 presenta las pruebas de la
estadstica descriptiva y los tipos de grficas asociadas con el nivel de medicin
revisados en el captulo uno.
TABLA 15
ESTADSTICA DESCRIPTIVA
Medidas de Correlacin
Medidas de dispersin
Grficas tendencia central
Nominal Barras Moda No hay Coeficiente Phl
Pastel C de contingencia
V de Cramer
Ordinal Barras Moda No hay Tau b de Kendall

Pastel Mediana Tau c de Kendall
Gamma de KrusKal y
Godman
Spearman
Incertldumbre
Intervalar Ojiva Moda 1. Rango Eta

Polgonos de Mediana 2. Error Pearson
frecuencia Media 3. Desviacin
Histograma 4. Varianza
5. Sesgo
6. Curtosis
Estadstica inferencial
La estadstica inferencial se basa en la prueba de hiptesis, se define como un
conjunto de tcnicas que permiten al investigador obtener conclusiones a partir
de una muestra para despus ser generalizadas a una poblacin. De este modo,
su principal funcin es la generalizacin en una poblacin (parmetros)
habitualmente en trminos de probabilidad (Nunnally y Bernstein, 1995) a partir
de las conclusiones obtenidas, resultado de la manipulacin de variables en
muestras observadas.
Aplicaciones de la
estadstica inferencial
a) Comparar parmetros. Un parmetro es cualquier caracterstica de una

poblacin.
b) Aplicar pruebas de hiptesis.
Hiptesis conceptual
Deriva del marco terico, parte de una teora, un modelo terico o un
metanlisis. Son hiptesis que ya fueron planteadas por otro investigador.
Ejemplo
A mayor frustracin mayor agresin (Dollar, Doob, Miller, Mowrer y Sears,

1939).
Hiptesis de trabajo
Estas hiptesis se refieren a lo que espera encontrar el investigador a partir
de un marco terico.
69
Ejemplo
Existe relacin entre el aprovechamiento escolar y la autoestima.

Hiptesis estadsticas
Se clasifican en nulas y alternas, presentan las siguientes caractersticas: 1.
implican la relacin entre variables, y 2. se plantean slo cuando se aplica
estadstica en la investigacin (vase tabla 16). Un punto importante de sealar
es que en los estudios exploratorios no se debern proponer ninguna de estas
hiptesis (nulas y alternas).
TABLA 16
HIPTESIS ESTADSTICAS
Tipo Notacin Definicin Formas Funcin
Nula Ho Niega la relacin o a) Comparacin Diferencias entre grupos

diferencia entre b) Relacin
variables
Asociacin entre variables
Alterna H1 Presencia de la a) Comparacin I. Con direccin. Indica que

relacin o la diferencia b) Relacin uno de los parmetros es
ms bajo o ms alto que
otro.
II. Sin direccin. Slo
compara grupos.
II. Con direccin. Indica
que las variables aumen-
tan o disminuyen.
II. Sin direccin. Slo
establece relaciones.
Sofa Rivera Aragn

Ejemplos
Ho de comparacin
Se identifica la variable dependiente (VD) y la independiente (VI) o de
clasificacin (VE).
VD = Asertividad
vc = Sexo: hombres y mujeres
Ho = No existen diferencias estadsticamente significativas en la asertividad
entre hombres y mujeres.
Con notacin estadstica
Ho de relacin
V1 = Agresin (X)
v2 = Niveles de testosterona (Y)
Ho = No existe relacin entre agresin y el nivel de testosterona en hombres.
Ho: rxy = 0
H1 de comparacin sin direccin. Utiliza los dos lados de la curva.
Estadstica inferencial 71
VD =Calidad de vida
vc = Estado civil: casados y solteros
H1 = S hay diferencias estadsticamente significativas en la calidad de vida

entre solteros y casados.
H1 de comparacin con direccin. Se ocupa de un solo lado de la curva
Los solteros tienen mayor calidad de vida que los casados. Con notacin
estadstica
H1 de relacin sin direccin

V1 = identidad nacional (X)
V2 - Edad (Y)
Sofa Rivera Aragn

H1 = Existe relacin entre la identidad nacional y la edad en los uni-
versitarios.

H1 = rxy 0
H1 de relacin con direccin
H1 = a mayor identidad nacional mayor edad en los universitarios
H1 = rxy > + 0
H1 = a mayor identidad nacional menor edad en los universitarios
H1 = rxy > - 0
Clasificacin de la estadstica inferencial
No paramtrico
Es una estadstica de distribucin libre, se basa en frecuencias, porcentajes y

rangos, estos ltimos basados en rangos de ordenacin los cuales son buenas
medidas de variabilidad para muestras pequeas, no as para muestras grandes.
Las pruebas de la estadstica no paramtrica se enfocan en las diferencias entre
las medianas y parten de un modelo que especifica nicamente condiciones muy
generales en torno a la distribucin de la cual fue obtenida la muestra (Siegel y
Castellan, 2003).
Ventajas
a) Se puede aplicar a muestras pequeas en las que la n > 4.

b) Sus niveles de medicin son nominal y ordinal. En el nivel nominal se
pueden tratar datos que impliquen clasificacin (sexo: hombre o mujer). En
el nivel de medicin ordinal, el investigador concluye que algunos sujetos
de investigacin tienen ms o menos del atributo medido, sin determinar
qu tanto ms o qu tanto menos.
c) Si se aplica a variables intervalares, stas debern ser convertidas en
categoras. Por ejemplo:
d) Est libre de parmetros. Se refiere a que su distribucin es libre.
Desventajas
Cuando se aplica a variables intervalares sin ser convertidas en categoras, se

infla el valor de la prueba y se comete el error estadstico conocido como error
tipo 1 o alfa que consiste en rechazar la Ho cuando es verdadera, situacin que
conduce a conclusiones falsas.
Dadas las caractersticas de la estadstica no paramtrica, existe una
diversidad de pruebas que pueden ser empleadas con base en los requisitos
citados. En la tabla 17 se presentan las pruebas no paramtricas ms utilizadas,
as como una serie de elementos que facilitan la toma de decisiones con relacin
a las condiciones que se deben cubrir para emplear una u otra prueba.
Sofa Rivera Aragn

TABLA 17
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA
Prueba Objetivo Nivel de Diseo Muestreo Instrumentos

medicin
X2 Conocer la Nominal y De una muestra No Cuestionarios:

Bondad de distribucin de ordinal probabi- abiertos cerrados
ajuste la muestra lsticos Jerarquizacin
observaciones
Por homo- Conocer si Nominal y De dos o ms

geneidad existen dife- ordinal muestras inde-
rencias entre pendientes
dos o ms gru-
pos
Indepen- Conocer si Nominal y De una muestra
dencia existe relacin ordinal
entre dos o ms
variables
Correccin de Conocer dife- Nominal y De una muestra o
Yates rencias o aso- ordinal de dos muestras
ciacin entre independientes
variables en
muestras pe-
queas
McNemar Comparar si Nominal y Pretest-postest No proba- Cuestionarios:
existen dife- ordinal Antes-despus bilstico abiertos cerrados
rencias antes y Una sola muestra jerarquizacin
despus de un medida dos veces observaciones
evento
T de Comparar si Ordinal Pretest-postest No proba- Los mismos que
Wilcoxon existen dife- Antes-despus bilstico en X2 y McNemar
rencias antes y Una sola muestra
despus de un medida dos veces
evento
U de Mann Comparar si Ordinal Dos muestras in- No proba- Los mismos que
Whitney existen dife- depend entes bilstico en las pruebas
rencias entre anteriores,
dos grupos adems de escalas
Anlisis de Comparar si Ordinal Ms de dos Probabils- Escalas

varlanza de existen dife- muestras inde- tico
KrusKall Wa- rencias entre pendientes
llis tres o ms gru-
pos
Estadstica Inferencial 75
TABLA 17
(Continuacin)
medicin
Anlisis de Comparar Ordinal De medidas No proba- Escalas

varianza de tres o ms repetidas bilstico
Friedman mediciones en Tres o ms Probabils-
un grupo muestras re- tico
lacionadas
Spearman rho Conocer re- Ordinal De una sola No proba- Escalas

(rs) coeficiente laciones entre muestra bilstico
de asociacin dos variables Probablls-
tico
Phi Coeficiente Conocer re- Nominal. De una sola No proba- Pruebas* com-
de asociacin laciones entre Se aplica a muestra bilstico en paradas que se
dos variables tablas de muestras aplican en
contingencia grandes
de 2x2 (tablas
pequeas)
C de con- Conocer re- Nominal. De una sola No proba- Pruebas com-

tingencia laciones entre Se aplica a muestra bilstico paradas que se
dos variables tablas de aplican en X2
contingencia
mayores de
2x2 (tablas me-
dianas)
V de Conocer re- Nominal. De una sola No proba- Cuestionarios:

Cramer laciones entre Correccin a la muestra bilstico abiertos
dos variables C de cerrados
contingencia jerarquizacin
observaciones
*La prueba Phi y la C de contingencia dependen de la X2.
Paramtrica
La estadstica inferencial paramtrica se sustenta en supuestos o parmetros

y para poder emplearla es necesario cubrir los siguientes principios:
1. Distribucin normal.
Indica que los grupos tienen una curva normal o mesocrtica (esta curva
se describe en el captulo 2, figura 8). Con esta afirmacin se asume
que las muestras (n) con las que se est trabajando se han extrado de
Sofa Rivera Aragn

76 Mirna O a roa Mndez
poblaciones normalmente distribuidas, si no es ste el caso, se dice que las
pruebas estadsticas que dependen del principio do normalidad estn
viciadas, razn por la que las conclusiones obtenidas a partir de las
observaciones de estas muestras estarn en tela de juicio.
2. Homecedasticidad de varianza u homogeneidad de varianza.
La distancia entre la calificacin de un grupo y los de otro grupo deben ser
iguales, esto es, la distancia de las X a todas las puntuaciones individuales.
Este principio supone que las varianzas dentro de los grupos son es-
tadsticamente las mismas, o sea, que las varianzas son homogneas de un
grupo a otro (Kerlinger y Lee, 2001). Esta situacin puede provocar el error
estadstico tipo 2 o beta, que consiste en aceptar la Ho cuando es falsa.
3. Seleccin y asignacin aleatoria.
Slo se aplican muestreos probabilsticos entendidos como la tcnica en la
cual todos los sujetos tienen la misma probabilidad de ser elegidos. Tambin
en la estadstica paramtrica se utiliza el muestreo no probabilstico,
definido como aquel en el que las personas no tienen la misma probabilidad
de ser elegidos. Sin embargo, al emplear alguna de las tcnicas de muestreo
no probabilstico es conveniente replicar los estudios. De acuerdo con
Kerlinger y Lee (2001) el muestreo probabilstico no es necesariamente
superior al no probabilstico en todas las situaciones. Refieren que en el
primero el nfasis est en el mtodo y la teora que lo sustenta, mientras que
en el segundo, el nfasis se encuentra en la persona que hace el muestreo.
Puesto que no es el propsito de este apartado profundizar en las tcnicas
de muestreo, en la tabla 18 se mencionan algunas de ellas.
4. La variable dependiente debe ser medida a nivel intervalar.
Esto significa que las medidas debern ser continuas con intervalos iguales,
ejemplo, las escalas tipo Likert de estilos y estrategias de poder (Rivera y
Daz-Loving, 2001) y el inventario multifactico de satisfaccin marital
(Caetas, 2000). Ambas son pruebas con cinco intervalos de respuesta.
TABLA 18
TCNICAS DE MUESTREO
Tcnicas de muestreo probabilstico Tcnicas de muestreo no

probabilstico
Aleatorio simple Accidental

Aleatorio con reemplazo Intencional
Estratificado Por cuota
Por conglomerado
Estratificado
La tabla 19 muestra las pruebas paramtricas ms empleadas por el

investigador social, adems de los criterios que se deben tomar en cuanta para
emplear una u otra prueba. La revisin en detalle de algunas de estas pruebas se
expondr en el captulo 5 de este texto.
TABLA 19
PRUEBAS DE LA ESTADSTICA PARAMTRICA*

medicin
Coeficiente Relacionar dos Intervalar De una sola Proba bilis- Escalas

Producto- variables muestra tico:
m o m e n t o de Correlacio- Muestra
Pearson nal bivariado grande
Prueba t de Discrimina- VD a nivel De dos muestras Probabils- Escalas
student cin de I n t e r v a l a independientes tico:
reactivos r Muestra
pequea n
<30
Comparar dos VI {Nominal De dos muestras
grupos VC {y independientes
VE {Ordinal
Comparar dos Dos muestras Muestra
condiciones o relacionadas grande n >
mediciones pretest-postest 30
Prueba post hoc Antes-despus
del Anova
78 Sofa Rivera Aragn

Mirna Garca Mndez
medicin
Anova Compara tres o La VD debe ser Tres o ms Probabilisti- Escalas

(anlisis de ms grupos in-ervalar muestras in- co:
varianza) dependientes Muestra
grande
a) simple de
una va
b) factorial de Comparar dos o vi {Nominal Factoriales Muestra

dos vas ms variables vc {y grande 15
Independientes ve {Ordinal sujetos mni-
con tres o ms mo por cel-
categoras dilla
*VC se refiere a las variables de clasificacin y VE a las variables de estmulo.

Pruebas de la estadstica no
paramtrica
Cuando existe duda respecto a la normalidad de la poblacin o
cuando la poblacin no es normal es conveniente emplear una prueba no

paramtrica, que como ya se mencion en el captulo 3 no parten del principio
de normalidad. Asimismo, las pruebas no paramtricas se clasifican en tres
grupos: para una muestra simple, para muestras relacionadas y para muestras
independientes.
Debido a la amplia variedad de pruebas en cada uno de estos grupos, en
este captulo slo se describirn las de mayor uso en la investigacin en
psicologa.
Pruebas para una muestra simple
Generalmente las pruebas para una muestra simple son pruebas de bondad de
ajuste que tienen como objetivo conocer la distribucin de la muestra.
Chi cuadrada (X2)
La chi cuadrada es la prueba ms empleada en la investigacin en psicologa.

Esta prueba se aplica para comparar las frecuencias esperadas (poblacionales)
y las frecuencias obtenidas (muestra) y a partir de esta comparacin decidir si
existen diferencias significativas. Las frecuencias esperadas se refieren a la
hiptesis nula (Ho) y las frecuencias obtenidas son los resultados alcanzados
por el investigador. De este modo, mientras mayor sea el valor de X2 menor es
la probabilidad de que las frecuencias obtenidas se deban a la poblacin, esto
83
significa que el valor de chi cuadrada es significativo si la diferencia entre las
frecuencias esperadas y las frecuencias obtenidas es lo suficientemente grande
(Siegel y Castellan, 2003; Levin y Levin, 2002). Su frmula es:
donde:
suma de todas las casillas, de la primera a la ltima.

frecuencia obtenida,
frecuencia esperada.
La frmula para obtener las fe es
fe= N /k
donde:
N = nmero de personas.
k = nmero de categoras o columnas.
De esta manera, el procedimiento para obtener la X2 consiste en restar cada

frecuencia esperada de su correspondiente frecuencia obtenida, la diferencia de
esta resta, se eleva al cuadrado y se divide entre la frecuencia esperada, estos
resultados parciales se suman y se obtiene el valor de la chi cuadrada.
Una vez que se obtiene el valor de la chi cuadrada, se requiere conocer los
grados de libertad (gl) que se definen como la amplitud de variacin contenida
en una condicin de investigacin, lo que significa la posibilidad de variacin
(Kerlinger y Lee, 2001; Downie y Heath, 1973). Asimismo, junto con los grados
de libertad, se requiere de una tabla de valores de X2 para conocer de acuerdo
con los gl y al valor de la X2, si sta es o no significativa.

Mirna Garca Mndez
La frmula para obtener los grados de libertad es:
gl = k - 1
donde:
k = nmero de columnas de la tabla de contingencia
Tambin la X2 se utiliza en muestras independientes, en este caso se le

conoce como prueba de homogeneidad y su objetivo es conocer si existen
diferencias entre dos o ms grupos.
Un tercer uso de esta prueba, es como prueba de independencia, aqu su
objetivo es conocer si existen relaciones entre dos o ms variables en una
muestra.
Un cuarto uso es como prueba de correccin por continuidad de Yates, la cual le
da mayor precisin a la X2 cuando tiene fe pequeas.
En los tres primeros casos -bondad de ajuste, homogeneidad, independencia- la chi
cuadrada se obtiene con la misma frmula.
Reglas para su empleo
1. Las observaciones deben ser independientes, no se puede observar o

medir a la misma persona ms de una vez.
2. El nivel de medicin utilizado ser nominal u ordinal.
3. Se aplicar en muestreos no probabilsticos.
4. La muestra deber ser mayor a 20 {N > 20).
5. Si la muestra N < 20 entonces se utiliza la prueba de probabilidad exacta
de Fisher.
6. Las frecuencias esperadas deben ser mayores a 5.
7. Si la frecuencia esperada es > 5 y < 10, entonces se aplica la correccin por
continuidad de Yates.
8. Si la N > 20 y < 40, se aplica la prueba de correccin por continuidad de
Yates.
9. Si la tabla de contingencias es de 1 X i columnas, se aplica la X2 de
bondad de ajuste.
Pruebas de la estadstica
no paramtrica 85
10. Si la tabla de contingencia ese de 2 x 2 y cumple los requisitos 7 y 8, se
aplica la prueba de correccin por continuidad de Yates.
Procedimiento
1. Plantear las hiptesis estadsticas.

2. Determinar la probabilidad con la que se trabajar: p = .05, p = .01.
3. Distribuir los puntajes en la tabla de contingencia.
4. Calcular las frecuencias esperadas:
5. Aplicar la frmula.
6. Obtener los gl.
7. Plantear regla de decisin.
Este estudio tiene como propsito identificar el consumo de productos chatarra,

en una muestra de 60 nios preescolares de la ciudad de Mxico, as como la
preferencia por alguno de estos productos. Entendindose por productos
chatarra: pastelitos, frituras, refrescos y dulces.
Paso 1. Hiptesis.
Ho: no existen diferencias significativas en el consumo de productos
chatarra en nios preescolares.
H1: existen diferencias significativas en cuanto al consumo de productos
chatarra por parte de los nios preescolares.
Paso 2. Nivel de significancia p = .05.
Paso 3. Distribucin de los datos.
Pastelitos Frituras Refrescos Dulces N
fo fe fo fe fo fe fo fe
15 15 28 15 0 15 7 15 60
Paso 4. Clculo de fe.
Sofa Rivera Aragn

Paso 5. Desarrollo de la frmula.
Paso 6. Obtener los grados de libertad.
gl = k - 1
gl = 4 - 1
gl = 3
Paso 7. Regla de decisin.
X2 X2t H1 se acepta y Ho se rechaza.
X2t = chi cuadrada en tablas. En la tabla A del apndice, se busca en la parte

horizontal, el nivel de significancia previamente establecido .05, y en la parte
vertical los gl, que en este ejemplo fue de 1. Esto resulta en lo siguiente:
17.18 7.82. Se acepta la H1
no paramtrica 87
Interpretacin de resultados
Se encontraron diferencias significativas X2 = 1 7 . 1 8 , p = .05 en el consumo de

alimentos chatarra en los nios preescolares, lo que significa que difieren en el
consumo de estos productos.
Ejercicio SPSS
Se emplear el mismo ejercicio desarrollado por la frmula de preferencias de

productos chatarra por nios preescolares.
Paso 1. Se crea una variable que se denominar preferencias e incluir 5
niveles de respuesta: 1 = pastelitos; 2 = frituras; 3 = refrescos; y 4 = dulces.
Debido a que incluir las respuestas de los 60 nios en la base de datos implica
mucho espacio, nicamente se presentarn los datos de 10 nios, pero el anlisis y
los resultados se llevarn a cabo con el total de las respuestas de los participantes.
De esta manera la base de datos queda as:
Sofa Rivera Aragn

Paso 2. Se coloca el cursor en Analyze, se presiona el botn izquierdo del mouse y
se muestra un men en el que se coloca el cursor en Non-parametric test, aparece un
men en el que se coloca el cursor en Chi- Square y se da clic.
Paso 3. Al hacer clic en Chi-Square se abre un men.
no paramtrica 89
Paso 4. En el men del paso 3, se marca con el cursor la variable preferencias, se
da clic en el icono ubicado entre la variable preferencia y Test Variable List,
inmediatamente la variable preferencias aparece en Test Variable List.
Paso 5. Se da clic en OK y se muestran los resultados en tablas.
PREFERENCIAS
Observed N Expected N Residual
Pastelillos 15 15.0 .0
Frituras 28 15.0 13.0
Refrescos 10 15.0 -5.0
Dulces 7 15.0 -8.0
Total 60
Sofa Rivera Aragn

TEST STATISTICS
Preferencias
Chi-Squarea 17.200
df 3
Asymp. Sig. .001
a.0 cells (.0%) have expected frequencies less than 5. The
minimum expected cell frequency is 15.0.
Estas tablas no se presentan en el reporte de investigacin, los datos

contenidos en ellas se pueden presentar en tablas en otro formato.
TABLA 20
DIFERENCIAS EN EL CONSUMO DE PRODUCTOS CHATARRA
Pastelitos Frituras Refrescos Dulces X2 gl p
15 28 10 7 17.20 3 .00 1
N = 60.
Como se puede observar en la tabla 20, la X2 y la p difieren un poco de los

resultados con la frmula desarrollada, esto se debe a que en el SPSS las
operaciones se realizan en forma precisa.
Se encontraron diferencias significativas X2 = 17.20, p = .001 en el consumo

de alimentos chatarra en los nios preescolares, lo que significa que difieren en
el consumo de estos productos.
Pruebas para muestras relacionadas
Estas pruebas implican dos medidas de una sola muestra. Se emplean cuando
el investigador desea conocer si un tratamiento es mejor que otro o si
dos tratamientos son diferentes. En este tipo de estudios se pueden em-
no paramtrica
91
plear dos grupos, sin embargo, los resultados que se obtengan pueden estar
relacionados con un conjunto de eventos ajenos al tratamiento. Estos eventos se
conocen como variables extraas. Con la finalidad de controlar el efecto de
estas variables extraas, la persona puede fungir como su propio control, esto
es, se le expone a ambas condiciones en diferentes ocasiones. Otra alternativa es
el mtodo de apareamiento, en el que se seleccionan pares de personas lo ms
semejantes posible en torno de las variables extraas que puedan influir en los
resultados del tratamiento. El inconveniente de este mtodo es que depende de
la capacidad del investigador para establecer que tan iguales son los pares
(Siegel y Castellan, 2003).
McNemar
Es una prueba til en los diseos antes-despus (lvarez, 1995) en los que cada
sujeto se utiliza como su propio control. En la prueba de McNemar el objetivo es
probar la significacin de los cambios observados a partir de una tabla de
contingencia 2x2 (Siegel y Castellan, 2003; Conover, 1980).
Para probar la significancia de los cambios observados, los datos en la tabla

expresan lo siguiente:
Sofa Rivera Aragn

92
Mirna Garca Mndez
Los signos positivo y negativo slo se emplean para indicar que hubo un
cambio sin connotacin de bueno o malo.
Como se observa en la tabla, A + D son las personas cuyas respuestas
cambiaron. De esta manera, la Ho plantea que el nmero de cambios en cada
direccin es el mismo.
Sustituyendo la frmula:
donde:
suma
frecuencia obtenida
frecuencia esperada
se obtiene lo siguiente:
Los grados de libertad empleados en McNemar es 1. gl = 1.

Para obtener resultados ms precisos, se emplea la correccin por
continuidad que permite eliminar la fuente de imprecisin que resulta de
emplear una distribucin continua para aproximarse a una distribucin discreta
(Siegel y Castellan, 2003).
Con esta correccin, la frmula se expresa de la siguiente manera:
El signo | indica que al resultado de la resta de A - D, sin importar el signo +

o - se le resta el 1. Por ejemplo, 6-15 = - 9, entonces se resta 9 - 1 = 8
no paramtrica 93
En mediciones nominales y ordinales.

Que el nmero total de cambios sea mayor a 10.
Cuando la frecuencia esperada es menor a 5, se debe usar otra prueba.
Procedimiento
1. Plantear las hiptesis estadsticas.

2. Determinar la probabilidad con la que se trabajar p=05, p = . 0 1 .
3. Distribuir los puntajes en la tabla de contingencia.
5. Plantear regla de decisin.
Ejercicio
Para evaluar la efectividad de un programa de intervencin con 50 padres

de familia de ciudad Nezahualcyotl, se les pregunt si estaban de acuerdo o en
desacuerdo con que sus hijos recibieran educacin sexual en la escuela, tema a
tratar como parte del programa a travs de un taller. Antes del taller se les
pregunt si estaban de acuerdo o en desacuerdo y al trmino del taller se les
volvi a hacer la misma pregunta.
Paso 1. Hiptesis
Ho. La probabilidad de las madres que cambiaron de acuerdo a desacuerdo

es igual a la probabilidad de las madres que cambiaron de desacuerdo a
acuerdo en lo concerniente a que sus hijos reciban educacin sexual en la
escuela.
H1. Despus de haber asistido a un taller, las madres aceptan que sus hijos
reciban educacin sexual en la escuela.
Paso 2. Nivel de significancia a emplear p = .05.
Sofa Rivera Aragn

Paso 3. Distribucin de las respuestas de los padres antes y despus del taller.
Despues
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30

X2 X2t H1 se acepta e Ho se rechaza.
X2t = chi cuadrada tablas. En la tabla A del apndice, se busca en la parte
horizontal, el nivel de significancia previamente establecido .05, y en la parte
vertical los gl, que en este ejemplo fue de 1. Esto resulta en que se acepta la H1.
10.25 3.84. Se acepta la H1.
Estos resultados indican que el taller influy en la opinin, ya que las

madres que estaban en desacuerdo con que sus hijos reciban educacin
sexual en la escuela, ahora en su mayora estn de acuerdo (X2 =10.25, p=.05)
no paramtrica 95
Ejercicio SPSS
La base de datos contiene las respuestas de los 50 padres de familia; sin embargo,
con fines prcticos en esta tabla nicamente se incluye la informacin de 20
padres. La base de datos del paso 2, slo incluye 10 de los 20 casos, no obstante
los anlisis que se presentan son a partir de todos los casos
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Paso 2. Al hacer clic en Analyze, aparece un men en el que se coloca el cursor

en Descriptive statistics, se da clic y aparece otro men, se coloca el cursor en
Crosstabs, se da clic.
Sofa Rivera Aragn

96
Mima Garca Mndez
Paso 3. Al hacer clic en Crosstabs, se abre un men en el que aparecen las dos
condiciones de investigacin (antes/despus), se da clic en el cuadro de Statistics.
no paramtrica 97
Paso 4. Al hacer clic en Statistics se coloca el cursor en Chi-square y en McNemar,
se da clic en el cuadro de cada una de stas pruebas,- se coloca el cursor en
Continue y se da clic.
Paso 5. Al hacer clic en Continue reaparece el men del paso 3 de la

investigacin. Se coloca el cursor en antes y se da clic en el icono que est entre
antes-despus y Row(s), entonces antes se muestra en Row(s).
Sofa Rivera Aragn

Se coloca el cursor en despus y se da clic en el icono que est entre antes-
despus y Column(s), entonces despus aparece en Column(s). Se hace clic en OK y
se muestran los resultados en tablas.
Count ANTES-DESPUS CROSSTABULATION
Despus Acuerdo Desacuerdo Total
ANTES Acuerdo 6 9 15
Desacuerdo 30 5 35
Total 36 14 50
CHI-SQUARE TESTS
Value df Asymp.Sig. Exact sig. Exact sig. (1

(2-sided) (2-sided) sided)
Pearson Chi-Square 10.884b 1 .001
Countinity Correctiona 8.735 1 .003
Likelihood Ratio 10.397 1 .001
Fisher's Exact Test .002 .002
Linear-by-Linear 10.667 1 .001
Association
McNemar Test .00lc
N of Valid Cases 50
aComputed only for a 2x2 table.

bl cells (25.0%) have expected count less than 5. The minimum expected count is 4.20.
cBinomial distribution used.
Una forma de presentar estos resultados es la siguiente:

La distribucin de las respuestas de los padres de familia antes y despus de
haber tomado el taller se presenta en la tabla 21.
no paramtrica 99
TABLA 21
DISTRIBUCIN DE RESPUESTAS DE LOS PADRES DE FAMILIA.
Despus
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30
Con base en esta distribucin de respuestas, se obtuvo una X2 10.88, p =

.001 lo que indica diferencias significativas en los acuerdos/desacuerdos por
parte de los padres, antes y despus de asistir al taller, modificndose la
respuesta de desacuerdo por acuerdo en lo concerniente a que sus hijos reciban
educacin sexual en la escuela.
t de Wilcoxon (t w)
La prueba t de Wilcoxon considera la magnitud relativa y la direccin de las

diferencias, lo que la convierte en una prueba poderosa. Esta prueba otorga
mayor peso a los pares que tienen mayores diferencias entre el antes y despus
que a los pares cuya diferencia es pequea. De esta manera el investigador
puede determinar qu miembro del par es ms grande que, por lo que puede
hacer juicios de mayor que entre los valores de cualquier par (Siegel y Castellan,
2003).
Procedimiento
1. Plantear hiptesis.
2. Determinar probabilidad alfa ( ).
3. Obtener las calificaciones de la muestra antes y despus.
4. Obtener las diferencias de la primera y segunda aplicacin.
5. Ordenar de mayor a menor las diferencias (R) (se toma en cuenta el
signo). Cuando la diferencia es cero, no se ordena.
6. Sumar por separado los rangos de los valores positivos ( R+) Y los
rangos de los valores negativos ( R-).
Sofa Rivera Aragn

7. Elegir el valor ms pequeo de la R + o R - el cual constituye la t de
Wilcoxon.
8. Plantear la regla de decisin: t we t wr entonces ( ) la hiptesis alterna
se acepta y la hiptesis nula se rechaza.
Ejercicio
El Instituto Nacional Indigenista plantea que en Mxico existe discri-

minacin, si no al color de la piel, s a los rasgos indgenas. De hecho se usa la
expresin "eres un indio" como sinnimo de tonto, no hablas bien, etctera. Para
probar esta aseveracin, se llev a cabo un estudio con una muestra de nueve
estudiantes que se distribuyeron en comunidades del sureste, con el propsito
de que convivieran en estas comunidades. Antes de irse, se les aplic una escala
de actitudes hacia la discriminacin indgena, misma que se les aplic cuando
regresaron.
Paso 1. Hiptesis.
Ho. No existen diferencias significativas en las actitudes hacia la dis-

criminacin de los indgenas, antes y despus de convivir en comunidades
indgenas.
H1. Si existen diferencias en las actitudes hacia la discriminacin de los
indgenas, antes y despus de convivir en comunidades indgenas.
Paso 2. Nivel de significancia utilizado p = .05.

Paso 3. Obtencin de las calificaciones.
Antes Despus
118 100
100 90
120 38
141 60
51 171
170 64
179 89
47 52
161 101
N=9 N=9
no paramtrica 101
Pasos 4 y 5. Se obtienen las diferencias de las calificaciones antes-des-
pus, por ejemplo, 118 - 100 = 18. Se ordenan los rangos de menor a mayor,
el rango 1 es para la diferencia ms pequea, que en este caso es -5. Como la
diferencia es negativa, el rango tambin ser negativo.
Antes Despus d Rd
118 100 18 3
100 90 10 2
120 38 82 6
141 60 81 5
51 171 -120 -9
170 64 106 8
179 89 90 7
47 52 -5 -1
161 101 60 4
Paso 6. Se obtiene la suma de rangos positivos y negativos.
R + = 3 + 2 + 6 + 5 + 8 + 7 + 4
R+ = 35
R - = -9 - 1
R- = -10
Paso 7. Se elige el valor ms pequeo resultado de la suma de rangos
positivos y negativos. En este ejercicio el valor menor lo tiene la suma de rangos
negativos, convirtindose en el valor tw.
tw = -10
t we t wt se acepta la Ho.
Sofa Rivera Aragn

donde:
t we = El valor obtenido con el desarrollo de la frmula (-10).
t wt = Es el valor en tablas, que en este caso se busca en la tabla B del

apndice, siguiendo el procedimiento descrito en chi cuadrada y McNemar. El
resultado es 6.
10 > 6 se rechaza la H1.
Estos resultados indican que no existen diferencias respecto a las actitudes

hacia la discriminacin de los indgenas antes y despus de haber convivido con
ellos.
Ejercicio SPSS
Para este ejercicio se retomarn los datos del Instituto Nacional Indigenista.
mouse.
no paramtrica 103
en Nonparametric tests, se da clic y aparece otro men, se coloca el cursor en 2 Related
Samples y se da clic.
Paso 3. Al hacer clic en 2 Related Samples, se abre un men que contiene las
variables de estudio. En este men se da clic en el cuadro de Wilcoxon.
Sofa Rivera Aragn

Paso 4. Se coloca el cursor en la variable antes y se da clic en el icono que est
entre las variables de estudio y Test Pair(s) List, antes aparece en variable 1, se sigue el
mismo procedimiento con la variable despus e igual aparece en variable 2.
Paso 5. Se da clic en el icono que est entre las variables de estudio y Test
Pair(s) List, las variables antes despus aparecen en Test Pair(s) List y se eliminan de
variable 1 y variable 2.
no paramtrica 105
Se da clic en el icono de OK y se muestran los valores de la prueba t de
Wilcoxon en tablas.
RANKS
N Mean-Rank Sum of Ranks
Despues-Antes Negative Ranks 7a 5.00 35.00

Positive Ranks 2 b 5.00 10.00
Ties 0C
Total 9
a Despus < antes.
bDespus > antes.
c Antes = despues.
TEST STATISTICSb
Despus-Antes
Z -1.481a
Asymp. Sig.(2-tailed) .139
Based on positive ranks.

a
Wilcoxon Signed Ranks Test.

b
De acuerdo con los resultados, no se encontraron diferencias significativas

en la actitud hacia la discriminacin de los indgenas antes y despus de haber
convivido con ellos en sus comunidades.
Pruebas para muestras independientes
Los mtodos no paramtricos de anlisis de varianza dependen del ordenamiento

de rangos. Las pruebas empleadas en este rubro son: U de Mann Whitney y
anlisis de varianza en una direccin por rangos de Krus-Kal-Wallis (Kerlinger y
Lee, 2001).
Sofa Rivera Aragn

U de Mann Whitney (U)
La prueba U de Mann Whitney se aplica en muestras aleatorias extradas

independientemente (N I y N 2 ) cuyos tamaos pueden ser diferentes. En esta
prueba las puntuaciones de la distribucin de ambas muestras se ordenan por
rangos de acuerdo con valores crecientes en magnitud. De esta manera, a la
puntuacin de ambas distribuciones con menor puntaje se le asigna el rango 1, la
subsiguiente, el rango 2, y as sucesivamente. Cuando una puntuacin aparece
en ambas distribuciones, se promedian y el resultado se asigna en los dos casos
(Downie y Heath, 1973).
Su frmula es:
donde:
N1 = muestra 1.
N2 = muestra 2.
R1 = suma de rangos muestra 1.
R2= suma de rangos muestra 2.
En mediciones ordinales.
En muestras independientes cuyos tamaos sean iguales o diferentes.
En datos expresados por rangos.
La frmula aplica para N2 > 9 personas.
Procedimiento
1. Plantear las hiptesis.

2. Determinar la probabilidad.
no paramtrica 107
3. Ordenar las respuestas de las muestras N1 y N2 de menor a mayor.
4. Obtener los rangos de cada respuesta, dndole el rango menor 1 a la
respuesta ms pequea, el 2 a la siguiente y as sucesivamente. Cuando se
repiten dos respuestas en ambas muestras, stas se suman y se dividen entre
dos, el resultado de esta operacin es el rango para ambas respuestas. Por
ejemplo, el nmero 11 se repite en ambos grupos en el desarrollo de la
frmula (paso 2), les corresponde los rangos 7 y 8, entonces, se suman 7 +
8 = 1 5 , este resultado se divide entre dos, que se refiere a los dos rangos, el
resultado 7.5 es para los dos valores de 11.
5. Desarrollar la frmula.
6. Plantear la regla de decisin.
Ejercicio
Se realiz un estudio con la finalidad de identificar los efectos de

reforzamiento positivo como parte de una terapia de aprendizaje para
problemas de dislexia en nios de cuatro a seis aos de edad. Se tuvieron dos
muestras, una con ocho nios (con reforzamiento) y la otra con 10 nios (sin
reforzamiento) se registr la frecuencia de respuestas correctas de un total de 20
palabras presentadas en ambos grupos.
Paso 1. Hiptesis.
Ho. El aprendizaje de los nios con problemas de dislexia, es el mismo con o

sin reforzamiento positivo.
H1. El reforzamiento positivo favorece el aprendizaje de los nios con
problemas de dislexia.
Paso 2. Nivel de significancia a emplear p = .05.

Pasos 3 y 4. se ordenan las respuestas de menor a mayor y se obtienen los
rangos en cada N.
Sofa Rivera Aragn

Respuestas R1 Respuestas R2
correctas N1 correctas N2
15 13.5 8 4
18 17 6 2
19 18 13 10
16 15 9 5
14 11.5 7 3
17 16 15 13.5
11 7.5 12 9
10 6 11 7.5
5 1
14 11.5
N1 = 8 R 1 =104.5 N 2 = 10 R 2 = 66.5
no paramtrlca 109
Prueba de comprobacin:
N I N 2 = (8)(10) = 80
U1 U2 = (11.5)(68.5) = 80
Paso 6. Regla de decisin:
U Ut se acepta H1
11.5 13 se acepta H1
Para encontrar el valor en tablas, de acuerdo con Runyon y Haber (1987) se

busca en la parte vertical de tablas N1 (el total de personas en la muestra 1) y en
la parte horizontal N2 (el total de personas en la muestra 2).
A manera de ejemplo, se presenta un fragmento de la tabla de valores
crticos de U de Mann-Whitney (vase tabla C del apndice) retomados de
Downie y Heath (1970) al nivel de significancia .01.
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1 0 0 0 0 0 0 1 1
2 2 2 3 3 4 4 4 5
3 1 1 1 2 5 6 7 7 8 9 9 10
4 3 3 4 5 9 10 11 12 13 14 15 16
5 5 7 8 12 13 15 16 18 19 20 22
6 7 8 9 11 16 17 19 21 23 24 26 28
7 9 77 12 14 20 22 24 26 28 30 32 34
8 11 13 15 17 23 26 28 31 33 36 38 40
Se observaron diferencias significativas U = 11.5, p = .01 entre los nios que

tuvieron reforzamiento positivo durante la terapia de aprendizaje y los nios
que no lo tuvieron, lo que sugiere un mejor aprendizaje en los nios con
reforzamiento positivo.
Sofa Rivera Aragn

Ejercicio SPSS
El paso 1 contiene la base de datos con las variables a manipular. La variable grupo
con/sin, se refiere a los dos grupos de estudio (1 = con reforzamiento, 2 = sin
reforzamiento), re a re20, son las respuestas a cada una de las 20 palabras (1 =
respuesta correcta y 2 = respuesta incorrecta).
Paso 2. Para obtener la frecuencia de respuestas correctas es necesario

crear una nueva variable, para ello se da clic en transform y aparece un men
en el que se da clic en count y aparece un men.
Paso 3. En el men de count, en Target Variable, se escribe el nombre de
la nueva variable, en este caso ser rescorre. En Target Label se escribe
el nombre completo de la variable: respuesta correcta. Ensegui-
no paramtrica 111
Paso 2
da se marcan con el cursor las 20 respuestas ( r e . . ,re20) que estn debajo del
cuadro de Target Label, se da clic en el icono que se encuentra entre r e 1 . . , re20 y
Variables, entonces las 20 respuestas aparecen en el cuadro de Variables que ahora se
denomina Numeric Variables.
Paso 3
Sofa Rivera Aragn

Paso 4. Una vez que se tienen las Numeric Variables, se presiona el icono Define
Values y se muestra el siguiente men, en el que se escribe en Values, el nmero 1, se
da clic en Add y el nmero 1 se pasa a Values to Count, posteriormente se presiona el
icono de Continue y se muestra el men del paso 3 en el que se presiona OK.
Paso 5. Al presionar if se muestra un men que tiene marcado include cases, se da

clic en Continue.
no paramtrica 113
Paso 6. Cuando se da clic en Continue se muestra nuevamente el men del paso 3
en el que se da clic en OK y aparece la base de datos con la nueva variable rescorre
que contiene las frecuencias de respuestas correctas por nio. Para fines prcticos,
slo se incluir parte de la informacin de la base de datos.
Paso 7. Al hacer clic en Analyze, aparece un men en el que se coloca el cursor en

Nonparametric tests, se da clic y aparece otro men, se coloca el cursor en 2 independent
sample y se da clic.
Sofa Rivera Aragn

Paso 8. Al hacer clic en 2 Independent Samples, se abre un men que contiene las
variables de estudio y se marca Mann-Whitney.
Paso 9. La variable rescorre se marca con el cursor, se da clic en el icono que est
entre las variables de estudio y Test Variable List, lo que resulta en que rescorre
aparecer en el cuadro de Test Variable List. La variable grupo con/sin sigue el mismo
procedimiento, slo que se da clic en el icono que est entre las variables de
estudio y Grouping Variable mostrndose Grupo ?? en el cuadro de Grouping Variable.
Se da clic en Define groups.
no para mtrica 115
Paso 10. Despus de dar clic en Define groups aparece una ventana en la que se
pone el nmero 1 en group 1, y el nmero 2 en group 2. Esto se hace as porque la
variable grupo con/sin que se muestra en los pasos 1, 2 y 3 tiene dos niveles: 1 (con
reforzamiento) y 2 (sin reforzamiento).
Posteriormente se da clic en continue y reaparece el cuadro del paso 4,

sustituidas las interrogaciones de Grouping Variable por los nmeros 1 y 2, se da clic
en el icono de OK y se muestran los resultados de la prueba U de Mann Whitney.
RANKS CORRECTA
Grupo con/sin N Mean-Rank Sum of Ranks
Respuesta correcta 8 13.06 1 04.50

correcta
control 10 6.65 66.50
Total 18
Sofa Rivera Aragn

TEST STATISTICSb
Respuesta
correcta
Mann-Whitney U 11.5000
Wilcoxon W 66.500
Z -2.536
Asymp.Sig (2-tailed) .011
Exact Sig (2*(1 -tailed
Sig.)) .009a
aNot corrected for ties.
bGrouping variable: grupo control/experimental.
Estos resultados indican diferencias significativas entre el grupo con re-

forzamiento R1 = 104.5, X = 13.06 y el grupo sin reforzamiento R2 = 66.50, X =
6.65, lo que sugiere que el reforzamiento positivo favorece el aprendizaje en los
nios con problemas de dislexia p = .009.
Anlisis de varianza en una direccin

por rangos de KrusKal-Wallis (H)
El anlisis de varianza en una direccin de KrusKal-Wallis es una alternativa no

paramtrica al anlisis de varianza (razn F) utilizada para comparar varias
muestras independientes (Levin y Levin, 2002).
Cuando la nica forma factible de medicin es la ordinal o el rango, la
opcin es emplear la prueba de KrusKal-Wallis (Kerlinger y Lee, 2001). Su
frmula es:
donde:
N = el nmero total de casos.
no paramtrica 117
n = el nmero de casos en una muestra dada.
R1 = la suma de los rangos para una muestra dada.
12, 1 y 3 son constantes.
En mediciones ordinales.
En comparaciones de tres o ms muestras independientes.
Procedimiento
1. Plantear las hiptesis estadsticas:
Ho: Ml = M2 = M3
HI: M1 M2 = M3
2. Definir el nivel de probabilidad alfa ( )( = 95 o 99%).

3. Ordenar las calificaciones de menor a mayor y obtener los rangos de la
misma manera que para la prueba U de Mann Whitney.
4. Sumar los rangos.
6. Plantear la regla de decisin.
Ejemplo
La literatura plantea que el locus de control interno mejora el aprendizaje.

Para confirmar este planteamiento se aplic la escala de locus de control De la
Rosa (1986) a 14 personas distribuidas en tres grupos: nios, adolescentes y
adultos. El investigador plantea que a mayor edad, las personas tienen un locus
de control preferentemente externo debido a los efectos de la socializacin. As,
a mayor calificacin, mayor locus de control externo, y a menor calificacin,
mayor locus de control interno.
Sofa Rivera Aragn

Paso 1. Hiptesis.
Ho. No existen diferencias en el locus de control a partir de la edad de las

personas.
H1. Existen diferencias en el locus de control a partir de la edad de las
personas.
Paso 2. Nivel de significancia p =.05.

Pasos 3 y 4.
Calificaciones R Calificaciones R Calificaciones R

nios adolescentes adultos
100 10 90 9 70 6
150 13 85 8 60 4
160 14 75 7 50 3
120 11 65 5 40 2
130 12 25 1
N1= 5 R1 =60 N2= 4 R2=29 N3= 5 R3 =16
Paso 5. Aplicacin de la frmula.
no paramtrica 119
H Ht
11.08 7.82
Para que los resultados sean significativos, la H tiene que ser igual
o mayor que el valor de Ht en tablas. En la tabla D del apndice, se busca en los
renglones, los tamaos de las tres muestras, en este caso son N1 5, N2= 4 y N3
= 5. Junto a estos valores se encuentra el valor de H y su nivel de significancia
que es de .01.
Existen diferencias en el locus de control a partir de la edad de las personas

H = 11.08 p = .01, lo que significa que hay mayor locus de control externo en los
nios y mayor locus de control interno en los adultos.
Ejercido SPSS
Paso 1. Una vez capturada la informacin en la base de datos, es necesario

obtener los rangos de calificaciones. Para obtener estos rangos, se coloca el
cursor en Transform, se da clic y aparece un men en el que se da clic en Rank
Cases.
Es importante aclarar que la variable edad fue creada para incluir la
informacin concerniente a las tres muestras. Sus valores son: nios = 1,
adolescentes = 2 y adultos = 3.
Paso 2. Al hacer clic en Rank Cases se muestra el men en el que se
encuentran las variables.
Sofa Rivera Aragn

Paso 1
Paso 2
no paramtrica 121
Paso 3. Se coloca el cursor en califica, se da clic en el icono ubicado entre los
cuadros de las variables y Variable(s), entonces califica aparece en Variable(s).
El crculo de Smallest value debe estar marcado al igual que el cuadro de Display
summary tables, de no ser as se marcan con el cursor, posteriormente se da clic en
Rank Types.
Paso 4. Al hacer clic en Rank Types, surge un men en el que se da clic en el

cuadro de Rank y en Continue.
Sofa Rivera Aragn

Paso 5. Despus de marcar Rank, en el men del paso 4 se da clic en Ties y se
muestra un men en el que se da clic en Mean y en Continue.
Paso 6. Al hacer clic en Continue, reaparece el men del paso 4 en el que se da

clic en OK. El resultado de esta operacin aparece en la base de datos con la nueva
variable rcalific (son los rangos de las calificaciones). En la base de datos se da clic
en Analyze, aparece un men, se da clic en Non-parametric tests, aparece un men, se
da clic en K independent samples.
no paramtrica 12 3
Paso 7. Al hacer clic en K independent samples, aparece el siguiente men.
Recuerde que el propsito de esta investigacin es saber si el locus de control

se modifica con la edad y con ello el aprendizaje.
Paso 8. Se coloca el cursor en la variable RANK of CALIFICA (rcalific) que se refiere a los
rangos de calificacin, se da clic en el icono ubicado entre las variables y Test
Variable List, entonces (rcalific), aparece en Test Variable List. Enseguida se repite el
mismo procedimiento con la variable edad (edad), slo que ahora se da clic en el
icono que est entre las variables y Grouping variable, aparece en este cuadro edad {??).
Se da clic en Define range.
Sofa Rivera Aragn

Paso 9. Al dar clic en Define range, aparece el siguiente men. En el cuadro de
Minimum se escribe el nmero 1, que corresponde a la muestra 1 integrada por
nios. En el cuadro de Maximum se escribe el nmero 3, que corresponde a la
muestra de adultos. Enseguida se da clic en Continue.
Paso 10. Al hacer clic en Continue reaparece el men del paso 8 en el que se da
clic en OK mostrndose los resultados en tablas.
RANKS
Edad N Mean-Rank
Rank of califica nios 5 12.00

adolecentes 4 7.25
adultos 5 3.20
Total 14
TEST STATISTICSab
Rank of
califica
Chi-Square 11.083
df 2
Asymp. Sig. .004
aKruskal Wallis Test.
bGrouping Variable: edad.
no para mtrica 125
La interpretacin de estos resultados es igual a la presentada en el ejercicio
de la frmula desarrollada, slo que aqu, la p = .004 lo que se relaciona con la
exactitud de las operaciones realizadas por el SPSS. Es conveniente destacar que
el valor de la-Chi es el mismo reportado en ambos ejercicios.
Chi cuadrada para muestras

independientes X2
La chi cuadrada tambin se emplea en muestras independientes, una de las

diferencias con las pruebas U de Mann Whitney y anlisis de varianza en una
direccin por rangos de KrusKal-Wallis, es que no emplea rangos. En este rubro,
la chi cuadrada se emplea para determinar diferencias significativas entre dos
grupos, es el caso de la X2 por homgeneidad.
Ejercicio. X2 por homogeneidad
Este ejemplo se sustenta en una investigacin de Romero y Rivera (2004) que

indagaron sobre los elementos que motivan a hombres y mujeres a ser infieles,
contenidos en cinco categoras: motivos emocionales, motivos circunstanciales,
motivos instrumentales, motivos de personalidad y motivos sexuales. La
muestra estuvo constituida por 454 personas, 181 hombres y 273 mujeres, sus
respuestas observadas se presentan en la tabla 22.
Paso 1
Ho. Los hombres y las mujeres consideran que los motivos emocionales,
circunstanciales, instrumentales, de personalidad y sexuales son elementos
que favorecen de igual forma la infidelidad.
H1. Existen diferencias entre hombres y mujeres con relacin a los motivos
emocionales, circunstanciales, instrumentales, de personalidad y sexuales
que favorecen la infidelidad.
Sofa Rivera Aragn

Paso 2. La probabilidad que se emplear es p = .05.
Paso 3. Distribucin de los puntajes.
TABLA 22
FRECUENCIAS OBSERVADAS POR CATEGORA EN HOMBRES Y MUJERES
Categoras f0 fo
Hombres mujeres
Motivos emocionales 53 87
Motivos circunstanciales 31 19
Motivos instrumentales 64 125
Motivos de personalidad 23 22
Motivos sexuales 10 20
Total 181 273
Paso 4. Obtencin de las frecuencias esperadas (fe) de cada una de las

categoras enunciadas en la tabla 23 sustituyendo la frmula en motivos
emocionales:
fe = N/k
donde:
W = 140. Total de hombres y mujeres que respondieron en motivos
emocionales (fe)
k = 2 (nmero de categoras o columnas-, hombres y mujeres)
Motivos circunstanciales
Motivos instrumentales
no paramtrlca 127
Motivos de personalidad
Motivos sexuales
Los resultados se presentan en la tabla 23.
TABLA 23
FRECUENCIAS OBSERVADAS Y ESPERADAS POR CATEGORA
EN HOMBRES Y MUJERES
Categoras fo fo fo
hombres mujeres
Motivos emocionales 53 87 70
Motivos circunstanciales 31 19 25
Motivos instrumentales 64 125 94.5
Motivos de personalidad 23 22 22.5
Motivos sexuales 10 20 15
Paso 5. Aplicacin de la frmula para cada una de las categoras
Motivos emocionales
Sofa Rivera Aragn

Motivos circunstanciales
Motivos instrumentales
Motivos de personalidad
no paramtrica 129
Motivos sexuales
Paso 6. Una vez que se obtuvieron las .X2 de cada categora, se obtienen los
gl:
gl = k - 1
gl = 2-1
El nmero 2 se refiere a las dos columnas de la tabla 23 (hombres y

mujeres):
gl= 1
Con el valor de la X2 y los grados de libertad, se busca en tablas su nivel de

significancia. Los resultados se muestran en la tabla 24.
Sofa Rivera Aragn

TABLA 24
ELEMENTOS QUE MOTIVAN LA INFIDELIDAD
Categoras fo fo fo X2 P
hombres mujeres
Motivos emocionales 53 87 70 8.25 .01
Motivos circunstanciales 31 19 25 2.88

Motivos instrumentales 64 125 94.5 19.68 .001
Motivos de personalidad 23 22 22.5 0.02
Motivos sexuales 10 20 15 3.32
Estos resultados indican que existen diferencias significativas entre hombres

y mujeres, en dos de los elementos que ellos consideran favorecen la infidelidad.
Estas diferencias se encuentran en las categoras de motivos emocionales X2 =
8.25, p = .01 y motivos instrumentales X2 = 19.68, p = .001, que de acuerdo con
las frecuencias observadas, para las mujeres tienen mayor importancia que para
los hombres. Se rechaza la Ho.
Ejercicio SPSS
Con el propsito de conocer el significado del funcionamiento familiar, se aplic

un cuestionario abierto a 300 hombres y mujeres de la ciudad de Mxico.
Para este ejercicio nicamente se emplear lo concerniente a los significados
de la comunicacin y afectividad en el funcionamiento familiar y la informacin
presentada en la base de datos slo incluye una pequea parte de lo recabado de
las 300 personas.
Hiptesis:
Ho. Los hombres y las mujeres le otorgan la misma importancia a la

comunicacin y afectividad en el funcionamiento familiar.
H1. Los hombres y las mujeres difieren en cuanto a la importancia que
tienen la comunicacin y la afectividad en el funcionamiento familiar.
no paramtrica 131
Paso 1. Se coloca el cursor en Analyze, se da clic en el botn izquierdo del mouse.6

en Descriptive Statistics, se da clic y aparece otro men, se coloca el cursor en
Crosstabs y se da clic.
6 En lo subsiguiente, al indicar que se da clic, se asumir que se presiona el botn izquierdo del
mouse y que el cursor est colocado en la operacin a realizar.
Sofa Rivera Aragn

13 2 Mirna Garca Mndez
Paso 3. Al hacer clic en Crosstabs, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables comunica y afectiva se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y Row(s) lo que resulta en que
comunica y afectiva aparecern en el cuadro de Row(s). Se sigue el mismo
procedimiento para la variable sexo, slo que se da clic en el icono que est entre las
variables de estudio y Column(s) mostrndose la variable sexo en el cuadro de
Column(s).
Enseguida se pone el cursor en el icono de Statistics y se da clic con el botn
izquierdo del mouse.
no paramtrica 133
Paso 5. Al hacer clic en Statistics, aparece un men, se da clic en Chi-square (X2).
Una vez seleccionada la prueba estadstica, se da clic en continue y reaparece el

men del paso cuatro, se da clic en OK y se muestra el resultado de la prueba chi
cuadrada en tablas. La primera incluye la distribucin de los sujetos por sexo y el
nmero de frecuencias obtenida en la variable comunicacin.7
CROSSTAB
Count
comunicacin Sexo Total
masculino femenino
Ausente 34 34 68
Presente 110 122 232
Total 144 156 300
La segunda tabla muestra los resultados de la chi cuadrada, los que indican el
valor de la prueba y su nivel de significancia. Estos datos debern ser
interpretados por el investigador con base en las hiptesis planteadas.
7Con fines didcticos se muestran los resultados de la prueba chi cuadrada, tal como los
reporta el SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.
Sofa Rivera Aragn

CHI-SQUARE TESTS
Value df Asymp. Sig. Exact sig. Exact sig.

(2-sided) (2-sided) (1sided)
Pearson Chi-Square .141b 1 .707

Continuity Correction 0 .056 1 .812
Likelihood Ratio .141 1 .707
Fisher's Exact Test .783 406
Linear-by-Linear
Association .140 1 .708
N of Valid Cases 300
a Computed only for a 2x2 table
0 cells (.0%) have expected count less than 5. The minimum expected count is 32.64.
b
Las siguientes dos tablas presentan lo concerniente a las variables de

afectividad y sexo.
CROSSTAB
Count
Afectividad Sexo Total
Masculino Femenino
Ausente 94 76 170
Presente 50 80 130
Total 144 156 300
CHI-SQUARE TESTS
Value df Asymp.Sig. Exact Sig. Exasig.

(2-sided) (2-sided) (1sided)
Pearson Chi-Square 8.362b 1 .004

Countinity Correction0 7.702 1 .006
Likelihood Ratio 8.415 1 .004
Fisher's Exact Test .005 .003
Linear-by-Linear
Association 8.334 1 .004
N of Valid Cases 300
a Computed only for a 2x2 table.

b 0 cells (0% have expected count less than 5. The minimum expected count is 62.40.
d 6
no paramtrica 135
Una de las formas de presentar la informacin obtenida en el SPSS, se
muestra en la tabla 25.
TABLA 25
DIFERENCIAS EN LOS SIGNIFICADOS DEL
FUNCIONAMIENTO FAMILIAR POR SEXO
Sexo
Significados Masculino Femenino X2 P
Comunicacin 76.4% 78.2% .141 NS

34.7% 51.3% 8.362 .004
Afectiva
Interpretacin de los resultados
Los resultados indican que hombres y mujeres le otorgan el mismo valor a la

comunicacin en el funcionamiento familiar. En cuanto a la afectividad, se
encontraron diferencias significativas en ambos sexos, X2 = 8.362, p = .004, lo que
sugiere que para las mujeres tiene mayor importancia que para los hombres el
aspecto afectivo en el funcionamiento familiar.
Estadstica paramtrica
Caractersticas
Las primeras tcnicas inferenciales fueron las paramtricas que hacen

suposiciones a los parmetros de la poblacin que se obtuvieron, es decir, dan
suposiciones acerca de la poblacin de donde se extrajo la muestra. Obtienen
diferencias entre medias.
La estadstica paramtrica, hace un buen nmero de suposiciones acerca de
la naturaleza de la poblacin de la que se obtuvieron los puntajes. Se llama
Paramtrica puesto que los valores de la poblacin son parmetros.
Los supuestos son:
a) Distribucin normal.
b) Homocedasticidad de varianza.
c) Nivel de medicin intervalar.
d) Seleccin y asignacin aleatoria.
Las pruebas paramtricas fijan su atencin en la diferencia entre las medias

de dos o ms conjuntos de puntajes. Esta se interesa en dos cosas:
a) Estimacin de parmetros.
b) Pruebas de hiptesis.
139
Pruebas paramtricas.
Prueba de coeficiente de correlacin de
producto-momento de Pearson
Introduccin
En la vida diaria hemos escuchado muchas cosas, que aunque no han sido
comprobadas cientficamente, suceden en forma imprevista, por ejemplo, se dice
"que a mayor velocidad de un carro, menor consumo de gasolina"; o que si "un
adolescente tiene los pies grandes es porque va a ser muy alto", tambin hemos
visto que las personas satisfechas en su relacin de pareja son ms
comunicativas. Al hacer esta serie de afirmaciones sin un fundamento se expresa
la suposicin de que existe alguna correlacin entre las variables.
La correlacin indica o representa la relacin entre dos variables. De entre
los ejemplos planteados aqu, el ltimo plantea como variables, a la satisfaccin
con la relacin y la comunicacin. Si quisiramos comprobar la relacin
existente entre estas dos variables tomaramos en forma aleatoria a una muestra
de personas que actualmente tuvieran una relacin de pareja. Posteriormente les
preguntaramos qu tan satisfechos se encuentran con su relacin? (en una
escala del 1 al 10) y qu tanto se comunican con su pareja? (en una escala del 1
al 10). Si encontramos que puntajes altos en satisfaccin se relacionan con
puntajes altos en comunicacin, podemos decir que la observacin fue acertada.
Si nosotros podemos hablar de que existe una relacin entre estas variables,
por ende podemos predecir una a partir de otra. Esto es, se puede decir que las
personas con un valor de 10 en satisfaccin es ms probable que tengan un valor
de 10 en comunicacin.
Definicin
Este coeficiente como su nombre lo indica nos da un ndice (valor) que habla del
nivel de relacin que tienen dos variables.
Sofa Rivera Aragn

140
Mirna Garca Mndez
Para representar este coeficiente se usa la letra "r".
El coeficiente de correlacin producto-momento de Peargon tiene varios
usos:
Conocer el grado de relacin que existe entre dos variables o atributos. Por ejemplo
cuando hablamos de la relacin entre el grado de violencia y el grado de
satisfaccin marital.
Indica la direccin de la asociacin. Es decir, a travs del signo que obtiene el
valor de la correlacin se puede decir si a mayor violencia, menor satisfaccin
marital o viceversa a mayor violencia mayor satisfaccin marital.
Obtener la significancia de la asociacin. En este caso nos menciona adems si lo
que obtuvimos cae en la zona de aceptacin o en la zona de rechazo. Es decir si
nuestra hiptesis se comprueba o no.
Requisitos
Como se sabe, este coeficiente al pertenecer a la estadstica inferencial

paramtrica presenta varios requisitos los cuales ya fueron descritos an-
teriormente, entre ellos:
a) Que los puntajes sean lineales (es decir se agrupen en una recta). Ya sea
en forma directamente proporcional o inversamente proporcional.
b) Que haya homocedasticidad de varianza (se agrupan en una elipse). Es

decir que los datos se distribuyan alrededor de esa lnea recta.
Estadstica paramtrica 141

c) Que las variables tengan un nivel de medicin intervalar. Por ejemplo:
edad, escolaridad en aos, temperatura.
d) Que haya una seleccin y asignacin aleatoria de los participantes.
Interpretacin
El coeficiente de correlacin producto-momento de Pearson se interpreta de

acuerdo a tres puntos:
1. Fuerza.
2. Direccin.
3. Significancia.
i. Fuerza: Esta indica el grado de relacin que hay entre dos variables.
De acuerdo con el valor obtenido, que slo puede ir de 0 a 1 pasando por
valores positivos y negativos (-1 a +1). La fuerza la da el valor de la correlacin y
este puede ser interpretado de la siguiente forma:
Valor Interpretacin de la correlacin
0 a .30 Baja
.31 a .79 Media
.90 a 1 Alta
Siempre el cero indica ausencia de relacin y el 1 una correlacin perfecta.
Sofa Rivera Aragn

2. Direccin: Indica hacia qu lado de la curva se encuentra nuestra
correlacin. La direccin la da el signo. Los signos se interpretan de la siguiente
forma:
Signo Interpretacin
+ (positivo) Directamente Proporcional
- (negativo) Inversamente Proporcional
3. Significancia: Finalmente este rubro indica cul es la probabilidad de

aceptar o rechazar una hiptesis alterna. De acuerdo a ello se debe plantear una
regla de decisin:
Si rc r0 entonces la correlacin es significativa.
Donde rc es el valor obtenido en la frmula y r0 es el valor obtenido en una

tabla de significancia de los valores de r.
Antes de conocer el grado o fuerza de la relacin debemos saber cmo se
comportan las puntuaciones. Para ver ese tipo de distribucin se usa un
dispersigrama.
Un dispersigrama es una representacin grfica de la forma en que se
distribuyen los datos. Siempre una de las variables se grafica en el eje de las "y"
(ordenadas) y otra en el eje de las "x" (abcisas). Siempre se coloca la variable
predictora en el eje de las "x" y la predicha en el eje de las "y". O en su defecto la
variable dependiente en el eje de las "x" y la variable independiente en el eje de
las y (vase grfica 18).
Ejemplo de dispersigrama:
Variables (ambas escalas fueron evaluadas con puntuaciones del 1 al 10):

Satisfaccin con la relacin
Comunicacin marital

Los puntajes obtenidos son:
Puntaje de satisfaccin Puntaje de comunicacin
10 9
8 10
8 9
7 6
10 9
9 8
6 7
5 4
4 4
8 7
El dispersigrama quedara como lo muestra la grfica 18, recordando que

no importa cul de las variables queda en el eje de las "y" y cul en el de las "x",
ya que la correlacin no implica causalidad.
GRFICA 18
DISPERSIGRAMA DE COMUNICACIN Y
SATISFACCIN
Frmula
La frmula que se aplica para obtener este coeficiente es:
Sofa Rivera Aragn

donde:
r = Coeficiente de Pearson.
N = Nmero total de pares en x y y.
x = Puntaje crudo de la variable x.
y = Puntaje crudo de la variable y.
XY = Multiplicar el puntaje de x por el de y.
Elevar al cuadrado los puntajes.
= Sumar el producto de x y y.
= Sumar las puntuaciones y elevar la suma al cuadrado.
Regla de decisin para obtener la significancia
Para obtener la significancia, se calculan en primer lugar los grados de libertad.
a) gl = N - 2 N
= Nmero de pares en x y y.
Se busca en la tabla de valores crticos de r, los grados de libertad y la
probabilidad ( ).
En la tabla E del apndice se encuentra la r0 (valor de la correlacin

observada) que permite rechazar y aceptar las hiptesis estadsticas.
b) Posteriormente se aplica la regla de decisin que es:
Es decir que como la r de la frmula es ms grande que la de las tablas

entonces se acepta la hiptesis alterna.

Ejercicio
Un investigador desea conocer si existe relacin entre la puntuacin que se

obtuvo en una escala de agresin y la puntuacin que se obtuvo en una escala de
frustracin en estudiantes universitarios. El investigador plantea que a mayor
agresin, mayor frustracin.
Los datos obtenidos se presentan a continuacin siguiendo el procedimiento
del coeficiente de correlacin producto-momento de Pearson.
Procedimiento:
a) Se establece el nivel de confianza al cual se desea trabajar, por ejemplo en
este estudio se desea obtener un nivel de confianza del 95 por ciento. Por lo tanto
se trabajar con un error del .05.
b) Se plantean las hiptesis derivadas de la investigacin, por ejemplo, las
hiptesis con las que se trabajar son de dos colas (sin direccin).
Ho. No existe relacin entre la agresin y la frustracin en estudiantes

universitarios.
H1. S existe relacin entre la agresin y la frustracin en estudiantes
universitarios.
c) Se obtienen los cuadrados de cada puntuacin y se suman ( X2 y y2) y

la suma del producto de las puntuaciones de "x" y "y" ( XY)
TABLA DE DATOS OBTENIDOS PARA LA CORRELACIN
X Y X2 Y2 xy
Agresin Frustracin
12 12 144 144 144
10 8 100 64 80
6 6 36 36 36
16 11 256 121 176
8 10 64 100 80
9 8 81 64 72
12 11 144 121 132
x =73 y =66 X s =825 y* = 650 XY =720
Sofa Rivera Aragn

d) Una vez calculadas las diferentes columnas se sustituye en la frmula de
Pearson:
Por ltimo, se compara con la tabla (valores crticos de r) para ver si la

correlacin es significativa, aplicando la regla de decisin. El proceso a seguir,
incluye los pasos que a continuacin se detallan.
1. Se calculan los grados de libertad:
gl = 7-2 = 5

En el apndice, se busca en la tabla E de valores crticos de r, los grados de
libertad y la N.
N = Nmero de pares en x y y.
2. Se sustituye en la regla de decisin:
rc ro H1 se acepta.
.754 .754 H1 se acepta.

En este caso el valor calculado es igual al de la tabla E del apndice por lo
tanto se acepta la hiptesis alterna.
H1. S existe relacin entre la agresin y la frustracin en estudiantes
universitarios.
3. Finalmente se interpreta el valor obtenido.
r = .754 es una correlacin media, directamente proporcional y significativa.
Es decir a mayor agresin mayor frustracin en estudiantes universitarios.
Ejercicio SPSS
Con la finalidad de conocer cmo los factores de la escala de estilos de

negociacin y los factores de satisfaccin marital se relacionan (Rivera y Daz-
Loving, 2002) se aplic el coeficiente de correlacin producto-momento de
Pearson.
Se plantearon las siguientes hiptesis:
H0. No existe relacin entre la satisfaccin marital y los estilos de ne-

gociacin ante el conflicto en parejas.
H1. S existe relacin entre la satisfaccin marital y los estilos de negociacin
ante el conflicto en parejas.
Sofa Rivera Aragn

Posteriormente, una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
mouse.8

Correlate, se da clic y aparece otro men, se coloca el cursor en Bivariate y se da clic.
8 En lo subsiguiente, al indicar que se da clic, se asumir que es con el botn izquierdo del mouse y
que el cursor est colocado en la operacin a realizar.
Estadstico paramtrica 149

Paso 3. Al hacer clic en Bivariate, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables de estilos de negociacin y satisfaccin se marcan con el

cursor, se da clic en el icono que est entre las variables de estudio y la siguiente
ventana. Se pasan las variables seleccionadas a la ventana vaca para ser
analizadas.
Sofa Rivera Aragn

Una vez seleccionada la prueba estadstica, se da clic en OK y se muestra el
resultado de la correlacin de Pearson.9
La tabla 26 muestra los resultados de la correlacin de Pearson que son los que
indican el valor de la prueba, el nivel de significancia y el nmero de participantes
considerados para el anlisis. Estos datos debern ser interpretados por el
investigador, y de esta forma, responder a las preguntas e hiptesis de
investigacin.
TABLA 26
RESULTADOS DE SPSS DE LA CORRELACIN DE PEARSON
Correlations
Acuerdo Acomoda Conten Evitaci
Satasf Pearson Correlation ,628** ,452** -,245** ,235**

Sig. (2-tailed) ,000 ,000 ,000 ,000
N 291 298 291 291
Satrel Pearson Correlation ,618** ,333** -, 184** ,122*
Sig. (2-tailed) ,000 ,000 ,001 ,033
N 304 310 301 302
Insrel Pearson Correlation -,513** -,178* ,250** -,044
Sig. (2-tailed) ,000 ,002 ,000 ,449
N 300 308 298 301
Incapr Pearson Correlation -,493** -,209** ,302** -,104
Sig. (2-tailed) ,000 ,000 ,000 ,070
N 306 314 304 305
Insfam Pearson Correlation -,258** -.088 ,281** -, 120*
Sig. (2-tailed) ,000 ,121 ,000 ,037
N 302 311 300 302
Satcat Pearson Correlation ,620** ,444** -,208** , 194**
Sig. (2-tailed) ,000 ,000 ,000 ,001
N 291 295 289 289
Sinapre Pearson Correlation ,582** ,322** -,201** ,179**
Sig. (2-tailed) ,000 ,000 ,000 ,002
N 304 312 302 303
Inscre Pearson Correlation -,082 ,075 ,187** -,006
Sig. (2-tailed) ,175 ,208 ,002 ,925
N 275 280 273 271
Inaf Pearson Correlation -,425** -, 1 23* ,257** -,141*
Sig. (2-tailed) ,000 ,032 ,000 ,016
N 296 304 295 294
Sorfun Pearson Correlation ,625** ,377** -, 145* ,150*
Sig. (2-tailed) ,000 ,000 ,013 ,010
N 296 303 294 295
Sfisex Pearson Correlation ,582** ,331** -, 166* ,138*
Sig. (2-tailed) ,000 ,000 ,004 ,017
N 300 306 297 299
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
9 Con fines didcticos se muestran los resultados de la correlacin de Pearson, tal como los
reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.

Reporte de Investigacin de la correlacin
producto-momento de Pearson
Una de las formas de presentar la informacin obtenida en el SPSS, en un

reporte de investigacin basado en el estudio sobre estilos o formas de
negociar un conflicto en la pareja y la satisfaccin que perciben en su relacin
(Rivera, Daz-Loving, Cruz y Vidal, 2004) es presentada a continuacin:
En la tabla 27 se observa en general para los hombres que estilos positivos
de negociar el conflicto incrementan la satisfaccin y que estilos negativos la
decrementan. As se encuentra que el estilo de acuerdo-colaboracin es el que
presenta las correlaciones ms altas, seguido del de Acomodacin. En ambos
casos se encuentra mayor satisfaccin en la relacin, en las reas afectiva, de
comunicacin, familia, atraccin fsica, sexual, intimidad, trato hacia los hijos,
organizacin y funcionamiento, y participacin y distribucin de las tareas en
el hogar. Al igual que los dos anteriores, la evitacin presenta correlaciones
positivas con varios factores de satisfaccin, como son: afecto, comunicacin-
apoyo, atraccin fsica, intimidad, organizacin y funcionamiento, y
satisfaccin sexual. Finalmente en cuanto al estilo competitivo, se observa que
entre ms alto es el puntaje en ste ms insatisfaccin percibe el hombre en
todas las reas (vase tabla 27).
t de student
Introduccin
Comnmente hacemos generalizaciones con respecto a diferentes grupos

de la poblacin. Por ejemplo, se dice que las mujeres son ms emocionales
que los hombres, o que los hombres son ms fuertes fsicamente que las mu-
jeres. Tambin se habla de que el idioma espaol es ms difcil que otros
idiomas. Los carros rojos sufren ms accidentes que los carros blancos. Los
hombres tienen un pensamiento ms abstracto que las mujeres. Como se
ve podemos hacer un sinfn de comparaciones y de conjeturas. As estamos
Sofa Rivera Aragn

afirmando que la media de una muestra es ms grande, ms fuerte y/o ms
difcil que la otra. No obstante debemos comprobar si realmente se dan estas
diferencias. Este apartado se dedicar a conocer una de las pruebas que puede
examinar si las diferencias propuestas son significativas.
La distribucin t es tambin llamada la teora estadstica de la muestra
pequea (Young y Veldman, 1983). En la distribucin t se estima la media
verdadera a travs de la media de la muestra ( ).
Definicin
La t de student es una prueba de hiptesis que observa las diferencias entre dos
grupos.
Esta prueba tiene varios usos:
Encontrar diferencias entre las medias de dos grupos.

Obtener la discriminacin de reactivos por grupos extremos.
En este apartado slo hablaremos del primer uso.
Requisitos
La prueba t tiene varios requisitos o supuestos, entre ellos:

a) Que los puntajes se distribuyan normalmente.
b) Que haya homocedasticidad de varianza. Es decir que la distancia entre la media y

un puntaje crudo sea muy similar de una muestra a otra.
Sofa Rivera Aragn

puntaje de inteligencia, calificacin obtenida en la escala de satisfaccin laboral.
Clasificacin de la prueba t
a) Muestras independientes, se refiere a la comparacin entre dos muestras

tomadas de la misma poblacin o de poblaciones diferentes. Por ejemplo:
1. Muestras independientes de la misma poblacin: hombres y mujeres de
una universidad pblica.
2. Muestras independientes de poblaciones diferentes: hombres y mujeres
de una universidad pblica y una universidad privada.
b) Muestras correlacionadas, se refiere a la comparacin de una misma
muestra durante dos mediciones, dos aplicaciones, etctera.

Por ejemplo:
Medir a una muestra antes y despus de un curso sobre matemticas para
ver si se incrementa o decrementa el rendimiento escolar obtenido en la materia.
Clculo de t para muestras

independientes con N Iguales
Esta prueba t se aplica cuando se tienen dos muestras diferentes tomadas de la

misma poblacin o de poblaciones diferentes, pero en ambas muestras el tamao
es igual. Por ejemplo:
Variable dependiente: Locus de Control.

Variable de clasificacin: Sexo.
En este caso, cada una de las categoras de sexo debe tener el mismo nmero
de participantes; por ejemplo: 100 hombres y 100 mujeres.
Para calcular esta prueba se aplica el siguiente procedimiento:
a) Plantear las hiptesis estadsticas.

b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
c) Calcular las medias para cada grupo
La frmula para calcular la media para cada grupo es:
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
Sofa Rivera Aragn

d) Calcular la desviacin estndar de cada muestra ( 1 y 2)
La frmula para calcular la desviacin estndar para cada grupo es:
donde:
Sumar los cuadrados de las puntuaciones de cada una de las
Elevar la media de cada grupo al cuadrado.

e)Encontrar el error estndar de cada media

La frmula para el clculo del error estndar para cada grupo es:
donde:
= Desviacin estndar para cada grupo,
N y 1= Constantes.
f) Encontrar el error estndar de la diferencia (diff ).
donde:
x 1 = Error estndar de la media para cada grupo,
g) Sustituir en la frmula de t.

h) Para obtener la significancia, se calculan en primer lugar los grados de
libertad.
4. gl = NI + N2 - 2
donde
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
1 = Constante.
5. Se busca en la tabla de valores crticos de t los grados de libertad y la

probabilidad ( ).
En la tabla F del apndice, se encuentra la tQ (valor de la t de student

3. Posteriormente se aplica la regla de decisin que es:
tc t0 H1 se acepta.
Es decir que como la t de la frmula es ms grande que la de la tabla F
Ejercicio
Un investigador desea conocer si el grado de autoritarismo difiere entre

maestros de escuelas particulares incorporadas y escuelas pblicas. Para ello
aplica la escala de Vigano (1986) y encuentra los siguientes datos:
Sofa Rivera Aragn

158
Mirna Garca Mndez
Maestros de escuela particular Maestros de escuela pblica
X1 X1 2 X2 X22
140 19,600 90 8,100
110 12,100 95 9,025

128 16,384 65 4,225
110 12,100 70 4,900
100 10,000 45 2,025
95 9,025 35 1,225
44 1,936 22 484
36 1,296 60 360
21 441 18 324
X1 = 784 X12 =102482 x2 = 500 x22= 30668
Para calcular los datos del estudio con la t de student se siguen estos pasos:
a) Se plantean las hiptesis estadsticas:
Ho. No existen diferencias estadsticamente significativas en el grado de

autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
H1. S existen diferencias estadsticamente significativas en el grado de
autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis:

= .05.
Calcular las medias para cada grupo
c) Calcular la desviacin estndar de cada muestra (1 y 2):

d) Encontrar el error estndar de cada media (x 1 y x 2):
e) Encontrar el error estndar de la diferencia (diff):
f) Sustituir en la frmula de t:
g) Para obtener la significancia, se calculan en primer lugar los grados de

libertad.
1. gl = 9 + 9 - 2 = 16
2. Se busca en la tabla F de valores crticos de t los grados de libertad y la

probabilidad (a).
En la tabla F del apndice, se encuentra la t0 (valor de la t de student

observada) que permite rechazar o aceptar las hiptesis estadsticas.
tc ta H1 se acepta.
1.17 2.12 H1 se rechaza.
Sofa Rivera Aragn

Es decir que como la t de la frmula es ms pequea que la de la tabla F
entonces se acepta la hiptesis nula. Es decir, no existen diferencias
estadsticamente significativas en el grado de autoritarismo entre maestros de
escuelas particulares incorporadas y escuelas pblicas.

independientes con N desiguales
Esta prueba t se aplica cuando se tienen dos muestras diferentes tomadas de la

misma poblacin o de poblaciones diferentes, pero cada muestra tiene un
tamao diferente. Es decir el nmero de participantes del grupo 1 difiere del
nmero de participantes del grupo 2 (N1 N2 ). Por ejemplo:
Variable dependiente: Satisfaccin con la vivienda

Variable de clasificacin: Tipo de vivienda. Personas que viven en depar-
tamento y personas que viven en casa.
En este caso cada una de las categoras del tipo de vivienda debe tener un
nmero diferente de participantes. Por ejemplo, 50 personas que viven en
departamento y 60 personas que viven en casa.
Para calcular esta prueba se aplica un procedimiento similar al de la prueba
t de student para muestras iguales, lo que difiere aqu es que ya no se calcula el
error estndar de la media y cambia la frmula del error estndar de la
diferencia. El proceso a seguir es:
A) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad a la cual se comprobarn dichas hiptesis.

donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
d) Calcular la desviacin estndar de cada muestra ( 1 y 2).

donde:
X2 = Sumar los cuadrados de las puntuaciones de cada una de las

calificaciones para cada grupo.
(X)2 = Elevar la media de cada grupo al cuadrado.
e)Encontrar el error estndar de la diferencia (diff).
donde:
12 = Desviacin estndar del grupo 1.
21 = Desviacin estndar del grupo 2.
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
f) Sustituir en la frmula de t.
Sofa Rivera Aragn

162
Mirna Garca Mndez
libertad.
1. gl = N1 + N2 - 2
donde:
NI = Nmero de participantes en el grupo 1,
N2 = Nmero de participantes en el grupo 2,
2 = Constante.
2. En el apndice, se busca en la tabla F de valores crticos de la prueba t de

student los grados de libertad y la probabilidad ( ).
En la tabla F se encuentra la t0 (valor de la t de student observada) que

permite rechazar y aceptar las hiptesis estadsticas.
tc tQ H1 se acepta.

Ejercicio
Un investigador desea saber si existen diferencias entre un grupo

experimental y un grupo control, los cuales fueron sometidos a una
investigacin sobre el grado de altruismo en presencia de una persona con
poder. Los datos obtenidos en la investigacin son los siguientes:

Grupo Experimental Grupo Control
X1 X11 X2 X22
115 13,225 95 9,025

120 14,400 65 4,225
180 32,400 45 2,025
100 10,000 75 5,625
110 12,100 85 7,225
140 19,600 37 1,369
155 24,025 46 2,116
167 27,889
191 36,481
X1 =1,278 X12 =190,120 X2 = 448 X22 = 31,610
Para calcular los datos del estudio con la t de student para muestras
diferentes se siguen estos pasos:
a) Se plantean las hiptesis estadsticas.
Ho. No existen diferencias estadsticamente significativas en el grado de

altruismo por la presencia o ausencia de una persona con poder. H1. S
existen diferencias estadsticamente significativas en el grado de altruismo
por la presencia o ausencia de una persona con poder.
=. 05
d) Calcular la desviacin estndar de cada muestra (1 y 2).
Sofa Rivera Aragn

e) Encontrar el error estndar de la diferencia (diff ).

libertad.
1. gl = 9 + 7- 2 = 14
4. Se busca en la tabla F de valores crticos de t, del apndice, los grados

de libertad y la probabilidad ( ).
En la tabla F del apndice, se encuentra la t0 (valor de la t de student

observada) que permite rechazar o aceptar las hiptesis estadsticas.
tc to H1 se acepta.
5.43 2.14 H1 se acepta.
Es decir que como la t de la frmula es ms grande que la de la tabla

F del apndice, entonces se acepta la hiptesis alterna. Es decir, exis-
ten diferencias estadsticamente significativas en el nivel de altruismo
entre el grupo control y el grupo experimental. Esto quiere decir que en

presencia de personas con poder, los integrantes del grupo experimental fueron
ms altruistas.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres en las
historias de amor (Romero, 2003) se aplic la prueba t para muestras
independientes.
Ho. No existen diferencias estadsticamente significativas en las historias de amor

H1. S existen diferencias estadsticamente significativas en las historias de amor
Posteriormente una vez capturados los datos se siguieron los pasos que a
mouse.

en Compare Means, se da clic y aparece otro men, se coloca el cursor en Independent-
Samples T-Test y se da clic.
Sofa Rivera Aragn

Paso 3. Al hacer clic en Independent-Sarriples T-Test, se abre un men que contiene
las variables de la investigacin.
Paso 4. Las variables de historias de amor se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y la siguiente ventana. Se pasan las
variables seleccionadas a la ventana vaca donde se colocan las variables
dependientes, y la variable de clasificacin que en este caso es el sexo se le coloca
donde estn los grupos.

Una vez definidas las variables, se da clic en OK y se muestra el resultado de
la prueba t de student.10 Las tablas 28 y 29 muestran los resultados de la prueba t
de student que son los que indican el valor de la prueba, el nivel de significancia,
el nmero de participantes considerados para el anlisis, as como los grados de
libertad y el valor de la diferencia entre varianzas. Estos datos debern ser
interpretados por el investigador y, de esta forma, responder a las preguntas e
hiptesis de investigacin.
Reporte de investigacin de la prueba t para

muestras independientes
Una de las formas de presentar la informacin obtenida en el SPSS, en un reporte

de investigacin basado en el estudio sobre la diferencia entre historias de amor
por sexo (Romero, 2003) es presentada a continuacin:
A partir de los resultados obtenidos (vase tabla 30) mediante la prueba t de
student (Romero, 2003) se encuentra que en general los hombres presentan
puntajes significativamente mayores que las mujeres en las historias de romance,
sexual, atraccin bizarra y sacrificio-dependencia,
10Con fines didcticos se muestran los resultados de la prueba t para muestras relacionadas, tal
como los reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
Sofa Rivera Aragn

TABLA 28
ESTADSTICAS DESCRIPTIVAS DE SPSS DE LA PRUEBA T DE STUDENT
Group statistic
Sexo N Mean Std. Std.
Deviation Error
Mean
Factor 1: Romance Masculino 160 20.26 5,136 .406
Femenino 171 19.15 4,854 .371
Factor 2: Organizacin Masculino 160 19.97 4,440 .351
Femenino 171 20.99 3,287 .251
Factor 3: Sexual Masculino 160 12.26 3,501 .277
Femenino 171 11.11 3,551 .272
Factor 4: Atraccin-misterio Masculino 160 9.39 2,189 .173
Femenino 171 9.48 2,377 .182
Factor 5: Humor Masculino 160 9.68 2,954 .234
Femenino 171 9.39 3,076 .235
Factor 6: Maestro-estudiante Masculino 160 18.08 3,699 .292
Femenino 171 18.04 3.305 .253
Factor 7: Guerra Masculino 160 11.49 4,011 .317
Femenino 171 11.19 3,763 .288
Factor 8: Polica-prfugo Masculino 158 10.06 3,514 .280
Femenino 171 10.25 4,282 .327
Factor 9: Atraccin bizarra Masculino 160 8.06 3,133 .248
Femenino 171 7.39 2,633 .201
Facto 10: Control-variedad Masculino 160 12.09 3,310 .262
Femenino 171 11.60 3,365 .257
factor 11: Sacrificio-dependencia Masculino 160 9.99 2,687 .212
Femenino 171 9.25 2,268 .173
Factor 12: Desconfianza mutua masculino 160 6.59 2,167 .171
Femenino 169 6.87 2,159 .166
Factor 13: Jardinera Masculino 159 14.59 3,701 .294
Femenino 169 14.29 3.217 .247
mientras que las mujeres obtienen puntajes significativamente mayores que los
hombres en la historia de organizacin. En las historias restantes no se
encontraron diferencias significativas. Lo anterior indica que los hombres en sus
relaciones en general se enfocan ms en aspectos tales como el cario, la
conquista, la sexualidad, la prctica variada del erotismo, el misterio y las
caractersticas fuera de lo comn, as como la dependencia y la necesidad de la
pareja, mientras que las mujeres se centran ms en aspectos tales como la
organizacin, las reglas y las estructuras determinadas para el buen
funcionamiento de la relacin.

TABLA 30
DIFERENCIAS POR SEXO EN LAS HISTORIAS DE AMOR
Media por sexo
Historias de amor Hombres Mujeres t P
Romance 20.26 19.15 2.011 .045*

Organizacin 19.97 20.99 -2.398 .017*
Sexual 12.26 11.11 2.967 .003**
Atraccin 9.39 9.48 -.366 .715
Humor 9.68 9.39 .853 .394
Maestro-estudiante 18.08 18.04 .105 .917
Guerra 11.49 11.19 .704 .482
Polica-prfugo 10.06 10.25 -.435 .664
Atraccin bizarra 8.06 7.39 2.094 .037*
Control-variedad 12.09 1 1.60 1.354 .177
Sacrificio-dependencia 9.99 9.25 2.699 .007**
Desconfianza 6.59 6.87 -1.157 .248
Jardinera 14.59 14.29 .788 .431
*p 0.05.
**p 0.01.
Clculo de t para muestras relacionadas
Esta prueba se aplica cuando la misma muestra es medida en dos ocasiones o

bajo dos situaciones.
Por ejemplo:
Variable dependiente: Actitud hacia el consumo de alcohol
Variable independiente: Curso sobre los daos que el alcohol causa al

organismo.
En este caso se aplica una escala de actitudes ante el consumo de alcohol

antes y despus del curso a la misma muestra.


donde:
separado en cada grupo,
d) Calcular la desviacin estndar de la muestra (1).

donde:
D2 = Sumar los cuadrados de las diferencias de cada una de las
calificaciones de la muestra.
(X) 2 = Elevar la media de cada grupo al cuadrado.
d) Encontrar el error estndar de la diferencia ( diff).
donde:
= Desviacin estndar del grupo.
Sofa Rivera Aragn

libertad.
1. gl = N - 1
donde:
N= Nmero de participantes de la muestra.
1 = Constante.
2. Se busca en la tabla de valores crticos de t los grados de libertad y la

probabilidad ( ).
En la tabla F del apndice se encuentra la t0 (valor de la t de student

tc t0 H1 se acepta.
Es decir que como la f de la frmula es ms grande que la de la tabla F
Ejercicio
Un investigador quiere observar si existen diferencias en las actitudes que

asumen los adultos de diferentes clases sociales ante la contaminacin ambiental
antes y despus de pasar una pelcula sobre los efectos de sta sobre el
ambiente.
Los datos obtenidos fueron los siguientes:

Antes Despus D D2
100 90 10 100
200 60 140 19,600
180 75 105 11,025
90 85 5 25
49 40 9 81
110 65 45 2,025
185 75 110 12,100
170 95 75 5,625
165 85 80 6,400
160 70 90 8,100
= 1,409 =740 D2= 65,081
Para obtener el resultado a travs de la prueba t para muestras relacionadas

de los datos anteriores se siguen los pasos que a continuacin se detallan:
Ho. No existen diferencias estadsticamente significativas en la actitud hacia

la contaminacin ambiental antes y despus de ver la pelcula.
H1. S existen diferencias estadsticamente significativas en la actitud hacia
la contaminacin ambiental antes y despus de ver la pelcula.
=.05
d) Calcular la desviacin estndar de la muestra ( 1 ).

Sofa Rivera Aragn

e) Encontrar el error estndar de la diferencia ( diff).
g)Para obtener la significancia, se calculan en primer lugar los grados de

libertad.
1. gl= 1 0 - 1 = 9
2. Se busca en el apndice en la tabla F de valores crticos de t los grados de

libertad y la probabilidad ( ).
En la tabla F del apndice se encuentra la t0 (valor de la t de student

4.45 2.26 Hi se acepta.

entonces se acepta la hiptesis alterna. Aqu podramos decir que s hubo un
cambio en la actitud hacia la contaminacin ambiental, ya que despus de la
pelcula, la actitud fue ms desfavorable (puntajes ms bajos).

Ejercicio SPSS
Con la finalidad de conocer si existen diferencias en la actitud hacia el sida antes

y despus de una pltica sobre el tema en adolescentes (Pavaan, 2004) se aplic la
prueba t para muestras relacionadas.
Ho. No existen diferencias estadsticamente significativas en los cono-

cimientos y actitudes hacia el sida en adolescentes, antes y despus de recibir una
pltica sobre el tema.
H1. S existen diferencias estadsticamente significativas en los conocimientos
y actitudes hacia el sida en adolescentes, antes y despus de recibir una pltica
sobre el tema.
mouse.

en Compare Means, se da clic y aparece otro men, se coloca el cursor en Paired-
Samples T-Test y se da clic.
Sofa Rivera Aragn

Paso 3. Al hacer clic en Paired-Samples T-Test, se abre un men que contiene las
variables de la investigacin.
Paso 4. Las variables de las calificaciones antes y despus de la pltica se

marcan con el cursor, se da clic sobre las variables de estudio y se pasan las
variables seleccionadas a la ventana de current selection.

Paso 5. Las variables que se encuentran en la ventana de current selection al dar
clic al icono entre las ventanas stas son pasadas de esta ventana por pares a la
ventana vaca (paired variables).
Una vez definidas las variables, se da clic en OK y se muestra

el resultado de la prueba t de student.11 La s tablas 31 y 32 muestran los
11Idem.
Sofa Rivera Aragn

resultados de la prueba t de student que son los que indican las estadsticas
descriptivas, el valor de la prueba t. el nivel de significancia, el nmero de
participantes considerados para el anlisis, as como grados de libertad y el valor
de la correlacin. Estos datos debern ser interpretados por el investigador, y de
esta forma, responder a las preguntas e hiptesis de investigacin.
TABLA 31
ESTADSTICAS DESCRIPTIVAS DE SPSS
DE LA PRUEBA T DE STUDENT:
Paired Samples Mean Std. Std. Error
Statistics N Deviation Mean
Pair 1 Antes 9.2027 74 11.81592 1.37357

Despus 20.0135 74 10.84952 1.26123
Paired Samples Correlations N Correlation Sig.
Pair 1 Antes y Despus 74 .068 .566
TABLA 32
VALORES DE LA PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS DE SPSS:
Paired Paired 95% Confidence Interval Sig. (2-

Samples Test Differences Std Std. Error of the Difference tailed)
Mean Deviation Mean Lower Upper t df
Pair 1 Antes - -10.8108 15.48988 1.80066 -14.3995 -7.2221 -6.004 73 .000
Despus

Reporte de investigacin de la prueba
t para muestras relacionadas
Una de las formas de presentar la informacin obtenida en el SPSS, en un

reporte de investigacin basado en el estudio sobre la diferencia en las
actitudes y conocimientos hacia el SIDA en adolescentes antes y despus de
una pltica (Pavaan, 2004) es presentada a continuacin:
A partir de los resultados obtenidos (vase tabla 31) mediante la prueba t
de student para muestras relacionadas se encuentra que con respecto al rea
de conocimientos existen diferencias significativas antes y despus de la
pltica, ya que al recibir informacin, aumentaron los conocimientos sobre
epidemiologa, desarrollo de la enfermedad, prevencin y mecanismos de
transmisin de la misma.
Por otro lado, no se encontraron diferencias significativas en lo que se
refiere a los conocimientos sobre sntomas del SIDA antes y despus de la
pltica.
En cuanto a las actitudes, se encontr que despus de dar la pltica
aumenta el apoyo a los enfermos con SIDA, tambin la disposicin a la uti-
lizacin de mtodos de sexo seguro y disminuye el miedo a tener el mal.
Finalmente no se encontraron diferencias significativas en lo que se refiere al
temor a contagiarse con el VIH y al cambio en la conducta sexual para prevenir
la enfermedad.
Anlisis de varianza (Anova)
Introduccin
Como se vio en la prueba anterior, se plantea que en general divulgamos

informacin sobre varios grupos de la poblacin, comparndolos.
Sin embargo, en el apartado de la prueba t de student vimos cmo co-
mnmente comparbamos dos grupos afirmando que uno era ms
grande que el otro o ms difcil, etctera. No obstante cuando hablamos
de ms de dos grupos, como por ejemplo, que hay ms satisfaccin laboral
en los niveles medios que en el mando ejecutivo y operativo de una em-
Sofa Rivera Aragn

TABLA 33
DIFERENCIAS ANTES Y DESPUS EN ACTITUDES Y CONOCIMIENTOS HACIA EL SIDA EN
ADOLESCENTES
reas Media antes despus t P
Epidemiologa 1.50 1.66 -7.81 .000**

Desarrollo de la enfermedad 1.36 1.58 -5.83 .000**
Prevencin 1.61 1.71 -3.67 .001**
Sntomas 1.31 1.40 -0.83 .410
Mecanismos de transmisin 1.64 1.85 -6.33 .000**
Apoyo a los enfermos de sida 3.45 3.84 -3.18 .002**
Temor al contagio del VIH 3.56 3.66 -0.65 .517
Miedo a tener sida 3.03 2.88 1.81 .05*
Cambio de la conducta sexual 3.42 3.39 0.40 .692
Sexo seguro 3.22 3.44 2.52 .01**
*P 0.05.
**p 0.01.
presa, o que decimos que los solteros estn ms satisfechos con su relacin
que los casados y los divorciados, o que los hombres jvenes estn ms
satisfechos sexualmente que los hombres maduros y las mujeres jvenes,
estamos haciendo comparaciones con tres o ms grupos y adems estamos
combinando las caractersticas de estos grupos para poder ver en qu
medida difieren. De la misma forma que en el apartado anterior, estamos
afirmando que la media de una muestra es ms grande, ms fuerte y/o ms
difcil que la otra. Empero, tambin debemos comprobar si nuestras
afirmaciones son ciertas en trminos de probabilidad. Esta parte del libro se
abocar a explorar una de las pruebas que puede examinar si las diferencias
propuestas son significativas en tres o ms grupos.
El anlisis de varianza, Anova (del ingls, analysis of variance), es uno de
los mtodos estadsticos ms utilizados en la investigacin moderna.
Para iniciar el anlisis de varianza debemos hablar de la varianza
total, la varianza entre grupos y la varianza intragrupos. Estos conceptos
son bsicos en el Anova ya que describen la lgica del mismo (Levin y

Levin, 2002). La varianza entre los grupos plantea la comparacin entre las
medias de los grupos. La varianza dentro de los grupos hace referencia a la
distancia entre los puntajes crudos y su media de grupo.
Definicin
El Anova es una prueba de hiptesis que observa si tres o ms grupos presentan

una diferencia significativa con respecto a una variable dependiente.
Esta prueba tiene varios usos:
Encontrar diferencias entre las medias de tres o ms grupos.

Conocer la interaccin entre variables: este es un nuevo concepto que
implica un efecto combinado de las variables independientes o de
clasificacin.
Requisitos
El Anova tiene varios requisitos o supuestos, entre ellos:

a) Que los puntajes se distribuyan normalmente.
b) Que haya homocedasticidad de varianza. Es decir que la distancia entre

la media y un puntaje crudo sea muy similar de una muestra a otra.
Sofa Rivera Aragn

calificacin de motivacin al logro o promedio escolar.
CLASIFICACIN DEL ANOVA
I. Anova simple:
Se refiere a la comparacin entre tres o ms muestras tomadas de la misma
poblacin o de poblaciones diferentes, con respecto a una variable dependiente.
Por ejemplo:
a) Anova simple para muestras iguales: comparar si existen diferencias en el

grado de dolor por celos que sienten 100 solteros, 100 casados y 100
reconstituidos.
b) Anova simple para muestras diferentes: comparar la conducta sexual
entre 50 parejas con hijos, 60 parejas sin hijos y 55 parejas donde la mujer
esta en proceso de gestacin.

2. Anova de doble clasificacin o de doble entrada Este se refiere a la
interaccin de dos variables de clasificacin o independientes con dos categoras
o grupos, cada una con respecto a una variable dependiente. Por ejemplo: Medir
una muestra de adultos y jvenes, hombres y mujeres con respecto a la
identidad nacional, para ver si sta vara con respecto al sexo y a la edad por un
lado y a la interaccin de ambos por otro. El diseo de 2 X 2 que se plantea en
este ejemplo quedara esquematizado como sigue:
Edad
Jvenes Adultos
Sexo Hombres
Mujeres
3. Anlisis factorial de varianza:

Este anlisis se refiere a la comparacin de dos variables independientes o
ms, de tres o ms categoras o grupos con una variable dependiente.
Por ejemplo: Medir una muestra de diferentes niveles escolares de hombres
y mujeres con respecto a la actitud hacia la infidelidad, para ver si sta vara con
respecto al sexo y a la escolaridad por un lado y a la interaccin de ambos por el
otro. El diseo de 2 x 4 que se plantea en este ejemplo quedara esquematizado
como sigue:
Escolaridad
Primaria Secundaria Preparatoria Licenciatura
Sexo Hombres
Mujeres
Anlisis de varianza simple cuando el

tamao (N) de los grupos es igual
Esta prueba se aplica cuando se tienen tres o ms muestras diferentes tomadas

de la misma poblacin o de poblaciones diferentes, pero en los tres grupos o ms
el tamao es igual. Por ejemplo:
184
Sofa Rivera Aragn
Mirna Garca Mndez
Variable dependiente: Orientacin al logro.
Variable de clasificacin: Estudiantes de 1o., 2. y 3o. grados de secundaria.
En este caso cada uno de los grados escolares debe tener el mismo nmero
de participantes: por ejemplo 60 de lo., 60 de 2o. y 60 de 3o. de secundaria.
c) Obtener la sumatoria de los puntajes para cada grupo (X i ).
d) Obtener el cuadrado de la sumatoria (X) i 2
e) Elevar al cuadrado cada puntaje crudo y sumarlo (X) i 2
f) Calcular el factor de correccin (FC).
La frmula para calcularlo es:
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al
cuadrado.
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo,
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas,

para cada grupo.
FC= Factor de correccin.

h) Obtener la suma de cuadrados entre los grupos (SCE). La frmula para
calcular la SCE es:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos.
FC = Factor de correccin.
Obtener la suma de cuadrados intragrupos {SCI).
La frmula para calcular la SCI es:
SCI = SCT - SCE
Calcular los grados de libertad (gl).

Las frmulas para calcular los grados de libertad son:
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
K = Nmero de grupos que se estn comparando.
1 = Constante.
k) Obtener la media de cuadrados entre grupos (MCE). La

frmula para calcular la MCE es:
Sofa Rivera Aragn

l) Obtener la media de cuadrados intragrupos (MCI). La
frmula para calcular la MCI es:
m) Sustituir en la frmula de F (prueba de significancia del Anova):
n) Construir la tabla de procedencia:
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
o) Para obtener la significancia, se busca en el apndice en la tabla G de

valores crticos de F los grados de libertad entre grupos en la parte horizontal de
la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
probabilidad ( ) hay una tabla independiente.
En la tabla G del apndice, se encuentra la F0 (valor de la F observada) que


Posteriormente se aplica la regla de decisin, que es:
Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G del

apndice, entonces se acepta la hiptesis alterna.
p) Finalmente si se encuentran diferencias significativas entre los grupos hay
que calcular las medias para cada grupo (X1, X2 y X3 ) e interpretar la magnitud
de las diferencias.
donde:
N Nmero de participantes por grupo.
Ejercicio
Un investigador desea conocer si existen diferencias entre la media de los

grupos (nios de 4 a 5 aos, de 6 a 7 y de 8 a 9) en su calificacin de autoestima.
Los datos obtenidos se presentan a continuacin:
Nios por grupo de edad
4 a 5 aos a 7 aos 8 a 9 aos

X1 X 12 X2 X22 X3 X32
10 100 14 196 11 121

15 225 10 100 10 100
18 324 9 81 9 81
20 400 7 49 6 36
25 625 8 64 7 49
X1 = 88 X12 = 1674 X2 = 48 X22= 490 X3 = 43 X32= 387
Sofa Rivera Aragn

Para obtener el resultado a travs del Anova simple para muestras iguales
de los datos anteriores se siguen los pasos que a continuacin se detallan:
a) Se plantean las hiptesis estadsticas
Ho. No existen diferencias estadsticamente significativas en la autoestima

en nios de diferentes edades.
H1. S existen diferencias estadsticamente significativas en la autoestima en
nios de diferentes edades.
= .05
c) Obtener la sumatoria de los puntajes para cada grupo.
d) Obtener el cuadrado de la sumatoria para cada grupo.
e) Elevar al cuadrado cada puntaje crudo y sumarlo para cada grupo.

h) Obtener la suma de cuadrados entre los grupos (SCE).
i) Obtener la suma de cuadrados intragrupos (SCI).
SCI = 414.94-243.34 = 1 7 1 . 6
j ) Calcular los grados de libertad (gl).

gltotal = 15 1 = 14
glentre = 3 1 = 2
glintra = 15 3 = 12
k) Obtener la media de cuadrados entre grupos (MCE).
l) Obtener la media de cuadrados intragrupos (MCI).
SC gl MC F
Entre 243.34 2 121.67 8.50
Intra 171.6 12 14.3
Total 414.94 15
Sofa Rivera Aragn

o) Para obtener la significancia, se busca en el apndice en la tabla G de
valores crticos de F los grados de libertad entre grupos en la parte horizontal de
la tabla y los grados de libertad intragrupos en la parte vertical.

Posteriormente se aplica la regla de decisin que es:
8.50 3.89 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G,

entonces se acepta la hiptesis alterna. En este caso decimos que existen
diferencias significativas en la autoestima de nios de diferentes edades.
que calcular las medias para cada grupo (X1, X2 y X3) e interpretar la magnitud
de las diferencias.
Con respecto a estos valores se puede observar que los nios de 5 a 6 aos
presentan una media ms alta en autoestima que los nios de mayor edad. Cabe
aclarar hasta aqu que el Anova indica diferencias entre grupos, pero no nos dice
entre cules. Para ello habra que aplicar una prueba post-hoc (Scheffe, Duncan o
Tukey).
Anlisis de varianza simple para N desiguales
Esta clasificacin se aplica cuando se tienen tres o ms muestras diferentes

tomadas de la misma poblacin o de poblaciones diferentes, pero en los tres
grupos las muestras son diferentes. Por ejemplo:

Variable dependiente: Estilo de comunicacin positivo.
Variable de clasificacin: estado civil = solteros, casados, unin libre,
reconstituidos
En este caso cada una de las categoras del estado civil debe tener un
nmero diferente de participantes: por ejemplo 115 solteros, 100 casados, 99
unin libre y 102 personas en relaciones reconstituidas.
Para calcular esta prueba se aplica el procedimiento que a continuacin se

detalla. Algo importante de mencionar es que los pasos son similares al Anova
para muestras iguales solamente cambian las frmulas de la SCE y el PC.
c) Obtener la sumatoria de los puntajes para cada grupo ( X)
d) Obtener el cuadrado de la sumatoria ( X)2
e) Elevar al cuadrado cada puntaje crudo y sumarlo X12
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos
al cuadrado.
N = Nmero de participantes para cada grupo.

Sofa Rivera Aragn

donde:
Elevar al cuadrado cada una de las calificaciones obtenidas
y sumarlas.
FC= Factor de correccin.
h) Obtener la suma de cuadrados entre los grupos {SCE). La frmula
para calcular la SCE es:
donde:

haciendo lo mismo para todos los grupos,
N= Nmero de participantes en cada grupo.
Obtener la suma de cuadrados intragrupos (SCI).

SCI = SCT-SCE
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
k = Nmero de grupos que se estn comparando.
1 = Constante.

k) Obtener la media de cuadrados entre grupos (MCE). La frmula para
calcular la MCE es:
l) Obtener la media de cuadrados intra grupos (MCI). La frmula para

calcular la MCI es:
SC gl MC F
Entre
Intra
Total
o) Para obtener la significancia, se busca en la tabla G de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los grados
de libertad intragrupos en la parte vertical. Para cada probabilidad ( ) hay una
tabla independiente.

Mirna Garca Mndez
Fc F0 H1 se acepta.

apndice, entonces se acepta la hiptesis alterna.
que calcular las medias para cada grupo e interpretar la magnitud
de las diferencias.
donde:
Ejercicio
Un psiclogo desea saber si existen diferencias estadsticamente sig-

nificativas en el tiempo que tardan para resolver un rompecabezas nios con
diferentes sistemas escolares: Montesori, Dalton, Piaget.
Para obtener el resultado a travs del Anova simple para muestras
diferentes de este ejemplo se siguen los pasos que a continuacin se detallan:
Ho. No existen diferencias estadsticamente significativas en el tiempo que

tardan los nios para resolver un rompecabezas dependiendo del sistema
educativo (Montesori, Dalton, Piaget).

Tiempo de resolucin de un rompecabezas
Piaget Montesori Dalton
5 25 3 9 7 49
4 16 4 16 8 64
5 25 3 9 10 100
5 25 4 16 12 144
4 16 5 25 10 100
5 25 3 9 9 81
4 16 2 4 9 81
5 25 4 16 7 49
5 25 3 9 5 25
4 16 4 16 3 9
3 9 4 16
4 16
X1 = 46 X1 2 = 214 X2 = 42 X22 = 154 X2 = 84 X32 718
H1. S existen diferencias estadsticamente significativas en el tiempo que

tardan los nios para resolver un rompecabezas dependiendo del sistema
educativo (Montesori, Dalton, Piaget).

= .05
d) Obtener el cuadrado de la sumatoria para cada grupo.
e) Elevar al cuadrado cada puntaje crudo y sumarlo para cada grupo.
Sofa Rivera Aragn

196
Mirna Garca Mndez
SCT = 2 1 4 + 1 5 4 + 7 1 8 - 8 9 6 . 4 8 = 1 8 9 . 5 2
h) Obtener la suma de cuadrados entre los grupos {SCE).
SCI = 1 8 9 . 5 2 - 1 0 3 . 1 3 = 8 6 . 3 9

gltotal = 33 1 = 32
glentre = 3 1 = 2
glintra = 33 3 = 30
l) Obtener la media de cuadrados intragrupos (MCI).

SC gl MC F
Entre 103.13 2 51.56 17.96
Intra 86.39 30 2.87

Total 189.52 32
o) Para obtener la significancia, se busca en la tabla de valores crticos de F

de libertad intragrupos en la parte vertical.
En la tabla G se encuentra la Fa (valor de la F observada) que permite

rechazar y aceptar las hiptesis estadsticas.
17.96 3.32 H1 se acepta.

apndice, entonces se acepta la hiptesis alterna. En este caso decimos que
existen diferencias significativas en el tiempo que tardan los nios que estn bajo
diferentes sistemas educativos.
que calcular las medias para cada grupc e interpretar la magnitud
de las diferencias.
Sofa Rivera Aragn

Con respecto a estos valores se puede observar que los nios de cinco a seis
aos presentan una media ms alta en el tiempo que tardan en resolver un
rompecabezas con un sistema Dalton. Cabe aclarar hasta aqu que el Anova indica
diferencias entre grupos, pero no nos dice entre cules. Para ello habra que
aplicar una prueba post-hoc (Scheffe, Duncan o Tukey).
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias a travs del ciclo vital en la

relacin de pareja en las historias de amor (Romero, 2003) se aplic el Anova
simple.
Ho No existen diferencias estadsticamente significativas en las historias de

amor de acuerdo con cada una de las etapas del ciclo vital.
H1 S existen diferencias estadsticamente significativas en las historias de

amor de acuerdo con cada una de las etapas del ciclo vital.
mouse.

Paso 2. Al hacer clic en Analyze aparece un men en el que se coloca el cursor en
Compare Means, se da clic y aparece otro men, se coloca el cursor en One-Way-
Anova y se da clic.
Paso 3. Al hacer clic en One-Way-Anova, se abre un men que contiene las

Sofa Rivera Aragn

Paso 4. Las variables de historias de amor se marcan con el cursor. Se da clic
en el icono que est entre las variables de estudio y la siguiente ventana. Se pasan
las variables seleccionadas a la ventana vaca donde se colocan las variables
dependientes, la variable de clasificacin, que en este caso es la etapa del ciclo
vital de la relacin, se le coloca donde estn los grupos.
Una vez definidas las variables, se da clic en OK y se muestra el resultado del

Anova simple.12 La tabla 34 muestra los resultados del Anova que son los que
indican el valor de la prueba, el nivel de significancia, el nmero de participantes
considerados para el anlisis, as como los grados de libertad y el valor de la
diferencia entre varianzas. Estos datos debern ser interpretados por el
investigador, y de esta forma, responder a las preguntas e hiptesis de
investigacin.
12 Con fines didcticos se muestran los resultados del Anova factorial, tal como los reporta el
SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.

TABLA 34
ANOVA SIMPLE
Anova
Sum of df Mean F Sig.

Squares Square
Factor 1: Romance Between Groups 539.102 5 107.820 4.514 .001

Within Groups 7,762.221 325 23.884
Total 8,301.323 330
Factor 2: Organizacin Between Groups 460.866 5 92.173 6.515 .000
Within Groups 4,597.883 325 14.147
Total 5,058.749 330
Factor 3: Sexual Between Groups 205.048 5 41.010 3.334 .006
Within Groups 3,997.054 325 12.299
Total 4,202.103 330
Factof 4: Atraccin- misterio Between Groups 209.848 5 41.970 9.012 .000
Within Groups 1,513.505 325 4.657
Total 1,723.353 330
Factor 5: Humor Between Groups 81.644 5 16.329 1.817 .109
Within Groups 2,920.833 325 8.987
Total 3,002.477 330
Factor : Maestro- estudiante Between Groups 260.314 5 52.063 4.485 .001
Within Groups 3,772.477 325 11.608
Total 4,032.792 330
Factor 7: Guerra Between Groups 488.694 5 97.739 7.085 .000
Within Groups 4,483.409 325 13.795
Total 4,972.103 330
Factor 8: Polica prfugo Between Groups 298.978 5 59.796 4.057 .001
Within Groups 4,760.116 323 14.737
Total 5,059.094 328
Factor 9: Atraccin bizarra Between Groups 312.706 5 62.541 8.252 .000
Within Groups 2,463.028 325 7.579
Total 2,775.734 330
Factor 10: Control-variedad Between Groups 238.263 5 47.653 4.490 .001
Within Groups 3,448.927 325 10.612
Total 3,687.190 330
Factor 11: Sacrificio- Between Groups 154.639 5 30.928 5.256 .000
dependencia Within Groups 1,912.304 325 5.884
Total 2,066.943 330
Factor 12: Desconfianza mutua Between Groups 63.394 5 12.679 2.781 .018
Within Groups 1,472.600 323 4.559
Total 1,535.994 328
Sofa Rivera Aragn

Reporte de investigacin del
anlisis de varianza simple
Para probar la hiptesis del investigador se aplic un anlisis de varianza simple

(Romero, 2003) el cual mostr diferencias significativas en todas las historias de
amor a lo largo del ciclo vital de la pareja, excepto en la historia de humor. Para
la historia de romance se detect que el apego y el cario son menores durante
el noviazgo, incrementan significativamente al inicio del matrimonio y
decrementan con la llegada de los hijos. De los siete a los catorce aos de matri-
monio repuntan nuevamente, decrementan despus de los 14 aos de
matrimonio. Para la historia de organizacin, se encuentra que los esquemas, las
reglas y las estructuras son ms importantes en la ltima etapa de noviazgo y la
primera del matrimonio. Al igual que en la historia de romance, la organizacin
decrementa con la llegada de los hijos, de los siete a los catorce aos de
matrimonio tiene un repunte importante para obtener su mnimo puntaje en la
ltima etapa del ciclo vital de la pareja. La historia sexual se mantiene ms o
menos estable a lo largo de las primeras etapas hasta los tres aos de
matrimonio, entre los tres y siete aos de matrimonio el erotismo y la
exploracin sexual aumentan, para posteriormente decrementar y alcanzar su
mnimo puntaje en la ltima etapa del ciclo vital de la pareja. En cuanto a la
historia de atraccin-misterio se observa que los puntajes ms altos se localizan
en las etapas del noviazgo, donde el hecho de no conocer totalmente a la pareja
le confiere mayor atraccin a la relacin. Por ltimo para la etapa de maestro-
estudiante se sealan decrementos importantes en la ltima etapa del
matrimonio probablemente debido al amplio conocimiento que los miembros de
la pareja han obtenido el uno del otro con el paso de los aos.
Lo anterior demuestra que el matrimonio no es una etapa esttica en la vida
de los seres humanos (vase tabla 35), sino que constantemente tiene cambios en
todos los aspectos relacinales de la pareja.

TABLA 35
DIFERENCIAS POR ETAPA DE CICLO VITAL EN LAS HISTORIAS DE AMOR
Etapa
Factor 0a6 Ms de 6 D e 0 a De 3 a 7 De 7 a 14 Ms de 14 F P
meses meses de 3 aos de aos de aos de aos de mat
noviazgo noviazgo mat. mat. mat.
Romance 18.75 19.49 22.21 18.35 20.39 18.95 4.51 .001**

Organizacin 19.73 21.82 21.30 19.67 21.61 18.67 6.51 .000**
Sexual 11.58 11.59 11.00 13.19 11.93 10.69 3.33 .006**
Atraccin- 10.79 10.26 8.98 9.02 8.61 8.93 9.01 .000**
misterio
Humor 9.54 10.23 9.94 9.28 9.43 8.69 1.81 .109
Maestro- 18.88 18.59 18.34 18.43 18.86 16.69 4.48 .001 **
Estudiante
*p< 0.05.
**p< 0.01.
Anlisis de varianza de doble clasificacin
Este anlisis introduce el concepto de interaccin, el cual, como ya se haba

mencionado, aduce a la combinacin de las categoras de dos variables
independientes o de clasificacin con respecto a una variable dependiente. El
procedimiento al clculo es similar al anlisis de varianza simple, slo que ste
adems calcula los componentes de la varianza entre grupos de los efectos
principales de cada una de las variables independientes por separado, adems
de la interaccin entre las mismas. Por ejemplo:
Variable dependiente: Creatividad

Variables de clasificacin:
Sexo: Hombres y mujeres Escolaridad:
Media superior y superior El diseo
quedara como sigue:
Escolaridad/Sexo Hombres Mujeres
Media superior
Superior
Sofa Rivera Aragn

En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin la interaccin de las mismas, para predecir la
creatividad.

c) Obtener la sumatoria de los puntajes para cada grupo ( x).
d) Obtener el cuadrado de la sumatoria ( x)2.
e) Elevar al cuadrado cada puntaje crudo y sumarlo X1.
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al

cuadrado,
N = Nmero de participantes por grupo,
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas.
FC Factor de correccin.

h) Obtener la suma de cuadrados entre los grupos (SCE). La
frmula para calcular la SCE es:
donde:

FC= Factor de correccin,
N= Nmero de participantes por grupo.

SCI = SCT -SCE

gltotal = N - 1
glentre = k - 1
glintra N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando,
1 = Constante.
Sofa Rivera Aragn

206
Mirna Garca Mndez
La frmula para calcular la MCE es:
l) Obtener la media de cuadrados intra grupos (MCI).
La frmula para calcular la MCI es:
SC gl MC F
Entre
Intra
Total
o) Para obtener la significancia, se busca en el apndice la tabla G de valores

crticos de F, los grados de libertad entre grupos en la parte horizontal de la
tabla y los grados de libertad intragrupos en la parte vertical. Para cada


Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G

p) Si se encuentran diferencias significativas entre los grupos hay que
calcular las medias para cada grupo e interpretar la magnitud de
las diferencias.
donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,
q) Una vez que se calcul el anlisis de varianza simple se acomodan los

valores de las variables en una tabla de 2 x 2. Tomando el ejemplo anterior
quedara como sigue:
Variable dependiente: Creatividad

Sexo: Hombres y mujeres
Escolaridad: Media superior y superior
El diseo quedara como sigue:
Escolaridad/Sexo Hombres Mujeres
Media superior
Superior

Mirna Garca Mndez
r) Una vez acomodados se obtiene la suma de cuadrados de los efectos
principales de las variables en estudio.
1. Obtener la suma de cuadrados de la variable que se encuentra en las filas
de la tabla (SCV1). En este ejemplo sera la escolaridad.
La frmula para obtenerla es:
donde:
(f1)2 = Sumar los valores de la fila 1 y elevarlos al cuadrado.
(f2)2 = Sumar los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.
2. Obtener la suma de cuadrados de la variable que se encuentra er las

columnas de la tabla (SCVc). En este ejemplo sera el sexo.
donde:
(c1)2= Sumar los valores de la columna 1 y elevarlos al cuadrado.
(c2 )2= Sumar los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.
s) Calcular la interaccin de las variables (SCINT).

La frmula para calcular la interaccin es:
SCINT = SCE SCVf - SCVc

donde:
SCVf = Suma de cuadrados de la variable que se encuentra en las filas.
SCVc = Suma de cuadrados de la variable que se encuentra en las columnas.
SCE = Suma de cuadrados entre grupos.
t) Calcular los grados de libertad de los efectos principales y de la interaccin.
glvf = K - 1 (grados de libertad de la variable de las filas),

glrc = K - 1 (grados de libertad de la variable de las columnas),
gfint = (Kf- 1) (Kc - l)(grados de libertad de la interaccin).
donde:
k = Nmero de categoras o grupos de la variable en estudio.
1 = Constante.
u) Calcular la media de cuadrados de los efectos principales y de la interaccin.
media de cuadrados de la variable de las filas)
media de cuadrados de la variable de las columnas)
(media de cuadrados de la interaccin)
v) Sustituir en la frmula de F (prueba de significancia del Anova)

tanto para efectos principales como de la interaccin:
(prueba f para la variable de las filas)
(prueba f para la variable de las columnas)
(prueba f para la variable de la interaccin)
Sofa Rivera Aragn

w) Construir la tabla de procedencia:
SC gl MC F
Entre
Filas
Columnas
Interaccin
Intra
Total
x) Para obtener la significancia, se buscan en la tabla de valores crticos de F

de libertad intragrupos en la parte vertical. Para cada probabilidad (a) hay una
tabla independiente y deben buscarse todos los valores de la prueba F tanto para
efectos principales como para la interaccin.
En la tabla G del apndice se encuentra la F0 (valor de la F observada) que

permite rechazar y aceptar las hiptesis estadsticas planteadas por cada
variable y la interaccin.
Fc F0 H1 se acepta.

entonces se acepta la hiptesis alterna. Esto se aplica en todas las F (pruebas de
significancia del Anova) que aparecen en la tabla (efectos principales e
interaccin).

y) Finalmente si se encuentran diferencias significativas ya sea por los
efectos principales o por la interaccin, hay que calcular las medias para cada
grupo (X1, X2 y X3 ) e interpretar la magnitud de las diferencias.
donde:
Ejercicio
Un investigador desea saber si hay diferencias en el grado de altruismo,

dependiendo del sexo y la edad de los participantes. Los datos se presentan a
continuacin:
Jvenes Adultos
Hombre Mujer Hombre Mujer

X X2 X X
2 X X2 X X2
4 16 1 1 3 9 4 16
9 81 4 16 7 49 4 16
9 81 5 25 7 49 4 16
10 100 6 36 7 49 8 64
X2 = 32 X12 = 278 X2 =16 X22=78 X3=74 X32=156 X4=20 X42= 112
Para calcular el resultado de esta investigacin se aplica el siguiente

procedimiento:

Sofa Rivera Aragn

d) Obtener el cuadrado de la sumatoria:
e) Elevar al cuadrado cada puntaje crudo y sumarlo:
f) Calcular el factor de correccin (FC):
g) Obtener la varianza total (SCT):
SCT = 2 7 8 + 7 8 + 1 5 6 + 1 1 2 - 5 2 9 = 9 5
h) Obtener la suma de cuadrados entre los grupos (SCI):
i) Obtener la suma de cuadrados intragrupos (SCI):
SCI = 9 5 - 3 5 = 6 0
;) Calcular los grados de libertad (gl)

gltotal = 1 6 - 1 = 1 5
glentre 4 - 1 = 3
glintra = 1 6 - 4 = 1 2

k) Obtener la media de cuadrados entre grupos (MCE):
l) Obtener la media de cuadrados intra grupos (MCI):
SC 91 MC F
Entre 35 3 11.67 2.33

Intra 60 12 5
Total 95 15
o) Para obtener la significancia, se busca en el apndice la tabla G de

valores crticos de F, los grados de libertad entre grupos en la parte horizontal
de la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
En la tabla G se encuentra la F0 (valor de la F observada) que permite

rechazar y aceptar las hiptesis estadsticas.

Mirna Garca Mndez
Es decir que como la F de la frmula es ms pequea que la de la tabla G
entonces se rechaza la hiptesis alterna. Es decir, no hay diferencias entre los
cuatro grupos en el nivel de altruismo.
p) En este caso no se encontraron diferencias entre todos los grupos por
ende no se calcularon las medias generales.
valores de las variables en una tabla de 2 x 2.
Sexo
Edad Hombres Mujeres
Jvenes 4 1
9 4
9 5
10 6
X1 =32 X2=l6 (f1)=48
Adultos 3 4
7 4
7 4
7 8
X3=24 X4=20 (f2)=44
(C I )=56 (C2)=36

1. Obtener la suma de cuadrados de la variable que se encuentra en las
filas de la tabla (SCVf). En este ejemplo sera la edad:

columnas de la tabla (SCV0). En este ejemplo sera el sexo:

SC INT = 35 -25 -1 = 9
t) Calcular los grados de libertad de los efectos principales y de la in-

teraccin.
glvf =2-1 = 1 (grados de libertad de la variable de las filas)

glvc =2-1 = 1 (grados de libertad de la variable de las columnas)
glint = (2f 1) (2C 1) (grados de libertad de la interaccin)
u) Calcular la media de cuadrados de los efectos principales y de la

interaccin.
v) Sustituir en la frmula de F (prueba de significancia del Anova) tanto para

efectos principales como de la interaccin:
Sofa Rivera Aragn

216
Mirna Garca Mndez
SC gl MC F
S Entre 35.0 3 11.67 2.33

Sexo 25.0 1 25.0 5.0
Edad 1.0 1 1.0 0.20
Sexo x Edad 9.0 1 9.0 1.80
Dentro 60.0 12 5.0
Total 95 15
x) Para obtener la significancia, se busca en al apndice en la tabla G de

valores crticos de F los grados de libertad entre grupos en la parte horizontal
de la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
probabilidad ( ) hay una tabla independiente y deben buscarse todos los
valores de la prueba F tanto para efectos principales como para la interaccin.
Prueba F para el efecto principal de edad:
Prueba F para el efecto principal de sexo:
Prueba F para la interaccin:

En la tabla G se encuentra la F0 (valor de la F observada) que permite
rechazar y aceptar las hiptesis estadsticas planteadas por cada variable y la
interaccin.
Posteriormente se aplica la regla de decisin.
Efecto principal de edad:
Efecto principal de sexo:
5 4.75 H1 se acepta.
Efecto de la interaccin:

Es decir que como la F de la frmula es ms grande que la de la tabla G solo
para el efecto principal de sexo, entonces se acepta la hiptesis alterna.
y) Finalmente si se encuentran diferencias significativas ya sea por los
grupo (X1 y X2) e interpretar la magnitud de las diferencias. En este caso slo se
calcula para hombres y mujeres ya que ah es donde encontramos diferencias
significativas.
S hay diferencias en las medias del puntaje de altruismo entre hombres y

mujeres. Siendo ste ms alto en los hombres.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias por sexo (hombres y mujeres)

y trabajo (quines trabajan fuera del hogar y quines no trabajan) en los estilos
de amor (Rivera y Daz-Loving, 2002) se aplic un anlisis de varianza de doble
clasificacin.
Sofa Rivera Aragn

H0 No existen diferencias estadsticamente significativas en los estilos

de amor entre hombres y mujeres.
H1. S existen diferencias estadsticamente significativas en los estilos
de amor entre hombres y mujeres.
1. H0 No existen diferencias estadsticamente significativas en los estilos de

amor entre personas que trabajan y las que no trabajan.
2. H1. S existen diferencias estadsticamente significativas en los estilos de
amor entre personas que trabajan y las que no trabajan.
Interaccin:
H0 No habr interaccin entre sexo y trabajo.

H1 S habr interaccin entre sexo y trabajo.
mouse.

Paso 2. Al hacer clic en Analyze, aparece un men en el que se coloca el
cursor en General Lineal Model, se da clic y aparece otro men, se coloca el
cursor en Univariate y se da clic.
Paso 3. Al hacer clic en Univariate, se abre un men que contiene las

Paso 4. Las variables de estilos de amor se marcan con el cursor, se da

clic en el icono que est entre las variables de estudio y la siguiente ven-
tana. Se pasan las variables seleccionadas a la ventana vaca (dependent
Sofa Rivera Aragn

variables) donde se colocan las variables dependientes y las variables de
clasificacin que en este caso son el sexo y el trabajo, se les coloca donde estn los
factores (fixed factors).
Una vez definidas las variables, se da clic en OK y se muestra el resultado del

Anova de doble clasificacin.13 Las tablas 36 y 37 muestran los resultados del
Anova que son los que indican el valor de la prueba el nivel de significancia, el
nmero de participantes considerados para el anlisis, as como los grados de
libertad y el valor de la diferencia entre varianzas. Estos datos debern ser
interpretados por el investigador, de esta forma, responder a las preguntas e
hiptesis de investigacin.
TABLA 36
ANOVA DE DOBLE CLASIFICACIN
Case Processing Summary

Cases
Included Excluded Total
N Percent N Percent N Percent
515 76.6 157 23.4 672 100.0
13 Con fines didcticos se muestran los resultados del Anova de doble clasificacin, tal como los

Cell Means
Trabajo fuera de Sexo Amistoso Eros Agape Mania
Casa
Mean N Mean N Mean N Mean N
Masculino S 3,9194 248 3,9556 248 3,5948 248 2,9004 248

No 3,9462 15 3,8923 15 3,6867 15 2,8615 15
Total 3,9209 263 3,9520 263 3,6000 263 2,8982 263
Femenino S 3,9084 130 3,9183 130 3,0354 130 2,9154 130
No 3,8797 122 3,8260 122 3,2484 122 2,9224 122
Total 3,8945 252 3,8736 252 3,1385 252 2,9188 252
Total S 3,9156 378 3,9428 378 3,4024 378 2,9056 378
No 3,8870 137 3,8332 137 3,2964 137 2,9158 137
Total 3,9080 515 3,9137 515 3,3742 515 2,9083 515
aGrand Mean.
bAmistoso, Eros, Agape, Mania by Sexo, Trabajo fuera de casa.
Anlisis factorial de varianza
Este anlisis es muy similar al anlisis de varianza de doble clasificacin, la

diferencia estriba en que aqu se puede introducir una variable dependiente o
una variable de clasificacin ms o en su defecto cada una de las variables
independientes puede tener tres o ms categoras.
Por ejemplo:
Variable dependiente: Coeficiente intelectual

Sexo: Hombres y mujeres Clase social: Alta, media y baja
El diseo sera de 2 x 3 y quedara como sigue:
Clase social/Sexo Hombres Mujeres
Alta
Media
Baja
Sofa Rivera Aragn

TABLA 37
VALORES DEL ANOVA DE DOBLE CLASIFICACIN.
Anova
Experimental Mean
Method Square F Slg.
Sum of
Squares df
Amistoso Main Effects (Combined) .116 2 .058 .131 .878

Sexo .034 1 .034 .076 .783
Trabajo fuera
de casa .026 1 .026 .060 .807
2-Way Interactions Sexo *
Trabajo fuera
de casa .036 1 .036 .080 .777
Model .152 3 .051 .114 .952
Residual 226.996 511 .444
Total 227.148 514 .442
Eros Main Effects (Combined) 1.375 2 .688 1.158 .315
Sexo .168 1 .168 .282 .595
Trabajo fuera
de casa .584 1 .584 .983 .322
Trabajo fuera
de casa .010 1 .010 .016 .898
Model 1.385 3 .462 .777 .507
Residual 303.463 511 .594
Total 304.848 514 .593
Agape Main Effects (Combined) 30.215 2 15.107 23.335 .000
Sexo 29.084 1 29.084 44.925 .000
Trabajo fuera
de casa 2.805 1 2.805 4.333 .038
Trabajo fuera
de casa .169 1 .169 .261 .609
Model 30.384 3 10.128 15.644 .000
Residual 330.822 511 .647
Total 361.207 514 .703
Mana Main Effects (Combined) .055 2 .027 .102 .903
Sexo .044 1 .044 .165 .685
Trabajo fuera
de casa .000 1 .000 .001 .981
2-Way Interactions Sexo * Trabajo
fuera de casa .024 1 .024 .091 .763
Model .079 3 .026 .099 .961
Residual 136.737 511 .268
Total 136.816 514 .266
aAmistoso, Eros, Agape, Mania by Sexo, Trabajo fuera de Casa.

En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin, la interaccin de las mismas para predecir el
coeficiente intelectual.
Para calcular esta prueba se aplica el siguiente procedimiento, el cual es
similar al Anova de doble clasificacin:

c) Obtener la sumatoria de los puntajes para cada grupo (X ).
d) Obtener el cuadrado de la sumatoria (X )2
e) Elevar al cuadrado cada puntaje crudo y sumarlo X2

donde:
Sumar todos los puntajes crudos de todos los. grupos y ele-

varlos al cuadrado.
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y

sumarlas,
Sofa Rivera Aragn

g) Obtener la suma de cuadrados entre los grupos (SCE).
La frmula para calcular la SCE es;
donde:
FC = Factor de correccin,
N = nmero de participantes por grupo.
i) Obtener la suma de cuadrados intragrupos (SCI).

SCI = SCT - SCE
j) Calcular los grados de libertad (gl).

gltotal = N - l
glentre = k - l
glintra = N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando.
l= Constante.
j) Obtener la media de cuadrados entre grupos (MCE).
La frmula para calcular la MCE es:
k) Obtener la media de cuadrados intra grupos (MCI).

La frmula para calcular la MCI es:

SC gl MC F
Entre
Intra
Total
o) Para obtener la significancia, se busca en la tabla de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los
grados de libertad intragrupos en la parte vertical. Para cada probabilidad ( )
hay una tabla independiente.
En la tabla G del apndice, se encuentra la Fa (valor de la F observada) que

Fc F0 H1 se acepta.

p) Si se encuentran diferencias significativas entre los grupos hay que
calcular las medias para cada grupo e interpretar la magnitud de
las diferencias.
Sofa Rivera Aragn

donde:

valores de las variables en una tabla de 2 x 3. Tomando el ejemplo anterior
quedara como sigue:
Variable dependiente: Coeficiente intelectual

Sexo: Hombres y mujeres Clase
Social: Alta, media y baja.
Clase Social/Sexo Hombres Mujeres
Alta
Media
Baja

filas de la tabla (SCVf). En este ejemplo sera la escolaridad.
donde:
( f 1 ) 2 = Sumar de los valores de la fila 1 y elevarlos al cuadrado.
( f 2 ) 2 = Sumar de los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.

columnas de la tabla (SCVc). En este ejemplo sera el sexo.
donde:
(c1)2= Suma de los valores de la columna 1 y elevarlos al cuadrado.
(c2)2= Suma de los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.
N= Nmero de participantes por grupo.

SCINT = SCE - SCVf - SCVc

donde:
SCVf = Suma de cuadrados de la variable que se encuentra en las filas.
SCVc = Suma de cuadrados de la variable que se encuentra en las columnas.
SCE = Suma de cuadrados entre grupos.
t) Calcular los grados de libertad de los efectos principales y de la in-

teraccin.
glVf = K - l (grados de libertad de la variable de las filas)

glvc = K - l (grados de libertad de la variable de las columnas)
glint = (Kc- l) (Kc - l) (grados de libertad de la interaccin)
donde:
k = Nmero de categoras o grupos de la variable en estudio.
l= constante.
Sofa Rivera Aragn

u) Calcular la media de cuadrados de los efectos principales y de la
interaccin.
(media de cuadrados de la variable de las filas)
(media de cuadrados de la variable de las columnas)
(media de cuadrados de la interaccin)
v) Sustituir en la frmula de F (prueba de significancia del Anova)

tanto para efectos principales como de la interaccin:
(prueba f para la variable de las filas)
(prueba f para la variable de las columnas)
(prueba f para la variable de la interaccin)
SC gl MC F
Entre
Filas
Columnas
Interaccin
Intra
Total
x) Para obtener la significancia, se busca en la tabla de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los
grados de libertad intragrupos en la parte vertical. Para cada probabilidad (a)
hay una tabla independiente y deben buscarse todos los valores de la prueba F,
tanto para efectos principales como para la interaccin.

En la tabla G del apndice se encuentra la F0 (valor de la F observada) que
permite rechazar y aceptar las hiptesis estadsticas planteadas por cada
variable y la interaccin.
Fc F0 H1 se acepta.

entonces se acepta la hiptesis alterna. Esto se aplica en todas la "F' (pruebas de
significancia del Anova) que aparecen en la tabla (efectos principales e
interaccin).
y) Finalmente, si se encuentran diferencias significativas, ya sea por los
grupo e interpretar la magnitud de las diferencias.
donde:
X = Suma las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo
Ejercicio
Un fabricante de medicinas ha producido una medicina para el pie de

atleta que puede tomarse en forma de pldoras. Cuando la compaa somete los
resultados de sus investigaciones referentes a la medicina, a la asociacin de
comida y medicamentos, la solicitud es

Mirna Garca Mndez
objetada. Un qumico del gobierno nota que la frmula para la nueva medicina
y la de las tabletas de sal son muy similares. Sospechndose la posibilidad de
efectos secundarios tales como sed exagerada, hace que se mantenga en espera
la solicitud hasta una nueva investigacin experimental.
El problema que deben resolver los qumicos de la compaa, en este
momento, no es que las pastillas curen o no el pie de atleta, sino el ver si estas
pastillas causan mucha sed a las personas.
Se realiz un nuevo experimento para poner a prueba la hiptesis de que el
gobierno est equivocado en su apreciacin. Tres condiciones (niveles) son
usadas para representar cada una de las magnitudes del problema. Una de las
dimensiones es la cantidad de la nueva droga que toma el paciente, y los tres
niveles son designados:
0 unidades
1 unidades
4 unidades
Debido a que antes se haba observado que la eficiencia del medicamento

vara con la edad del consumidor, una segunda dimensin, la edad, fue usada
en el diseo y sus niveles fijados a los:
20 aos
40 aos
60 aos
La variable dependiente, medida de la respuesta de la sed, es el nmero de

vasos de agua que el sujeto dice haber bebido en el da del experimento. Se
usan dos personas en cada una de las nueve celdillas del diseo. Los
participantes con 0 medicamentos tomaron un placebo (pldora de azcar). No
se les dijo a los participantes el propsito del experimento hasta que termin el
da. Los datos de los 18 participantes en los nueve grupos, pueden verse en la
siguiente tabla:

CALIFICACIONES DEL EXPERIMENTO CON MEDICAMENTOS
Dosis Edad 20 Edad 40 Edad 60
4 unidades 6 4 2
4 3 1
X1=10 X2=7 X3=3 f1=20
2 unidades 2 2 2
4 3 2
X4 =6 X5=5 X6 =4 f2=15
0 unidades 1 2 5
0 1 4
X7 =1 X8 =3 X9=9 f4=13
C1 =17 C2 =15 c3= 16 total 48
Hay N = 2 participantes por celdilla, cada celdilla representa una

combinacin particular de dos dimensiones del diseo. El procedimiento a
seguir es el mismo, lo nico que cambia es el nmero de categoras en las
variables.
TABLA DE PROCEDENCIA FINAL EN EL EXPERIMENTO DEL ANLISIS DE

MEDICAMENTO
Fuente de Variacin se gi MC F
Intergrupos 35.00 8 4.37 5.60

Medicamento (M) 4.33 2 2.17 2.78
Edad (E) .33 2 0.17 0.22
MxE 30.33 4 7.58 9.72*
Intragrupos (error) 7.00 9 0.78
Total 42.00 17
* P .05.
En este caso no hubo diferencias por efectos principales, solo en la inte-

raccin ya que de acuerdo a la regla de decisin la razn, F de tablas es: 4.26
para llegar al nivel de significancia de 0.05 con 2 y 9 gl. De acuerdo con la regla
de decisin 9.72 > 4.26 H1 se acepta, es decir hay una interaccin entre el
medicamento y la edad para predecir el consumo de vasos de agua.
Sofa Rivera Aragn

Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres y

por ocupacin en el estilo autoritario y el estilo laissez faire, as como si estas dos
variables interactan para predecir estos estilos (Cruz, 2002) se aplic el Anova
factorial.
Efecto principal sexo:
Ho No existen diferencias estadsticamente significativas en los estilos de

poder entre hombres y mujeres.
H1. S existen diferencias estadsticamente significativas en los estilos de
poder entre hombres y mujeres.
Efecto principal ocupacin:
Ho No existen diferencias estadsticamente significativas en los estilos de

poder de acuerdo con la ocupacin del participante.
H1. S existen diferencias estadsticamente significativas en los estilos de
poder de acuerdo con la ocupacin del participante.
Interaccin:
Ho. No habr interaccin entre sexo y ocupacin.

H1. Habr interaccin entre sexo y ocupacin.
Posteriormente una vez capturados los datos, se siguieron los pasos que a
mouse.

General Lineal Model se da clic y aparece otro men, se coloca el cursor en Univariate y
se da clic.
Sofa Rivera Aragn

Paso 3. Al hacer clic en Univariate, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables de estilos de poder se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y la siguiente ventana. Se pasan las
variables seleccionadas a la ventana vaca (dependent variables) donde se colocan las
variables dependientes y la variable de clasificacin que en este caso son el sexo y
la ocupacin, se les coloca donde estn los factores (fixed factores).

Una vez definidas las variables, se da clic en OK y se muestra el
resultado del Anova factorial.14 La tabla 38 muestra los resultados
del Anova que son los que indican el valor de la prueba, el nivel de signi-
TABLA 38
ANOVA FACTORIAL
Case Processing Summary

Cases
Included Excluded Total
N Percent N Percent N Percent
269 90.6 28 9.4 297 100.0
Cell Means
Sexo Ocupacin Stiauto N
Mean
Masculino 1 3.5235 17
2 3.8440 25
3 3.7089 15
4 3.5907 25
5 3.7708 24
Total 3.6972 106
Femenino 1 3.8222 27
2 3.8385 32
3 4.0524 28
4 3.8395 43
5 3.8848 33
Total 3.8822 163
Total 1 3.7068 44
2 3.8409 57
3 3.9326 43
4 3.7480 68
5 3.8368 57
Total 3.8093 269
a Grand Mean
b Stiauto by Sexo, Ocupacin.
14 Con fines didcticos se muestran los resultados del Anova simple, tal como los
Sofa Rivera Aragn

Anova
Experimental Mean F Sig.
Method Sum of Square
Squares df
Stiauto Main Effects (Combined) 3,690 5 ,738 1,438 ,211

Sexo 2,220 1 2,220 4,325 ,039
Ocupacin 1,491 4 ,373 726 ,575
2-Way Interactions Sexo * Ocupacin 1,024 4 ,256 ,499 ,737
Model 4,714 9 ,524 1,021 ,424
Residual 132,928 259 ,513
Total 137,642 268 ,514
a Stiauto by Sexo, Ocupacin
ficancia, el nmero de participantes considerados para el anlisis, as como

los grados de libertad y el valor de la diferencia entre varianzas. Estos datos
debern ser interpretados por el investigador, y de esta forma, responder a
las preguntas e hiptesis de investigacin.
Reporte de investigacin del

anlisis factorial de
varianza
Para poder comprobar las hiptesis que se plantearon de si existen di-

ferencias por sexo y ocupacin (variables de clasificacin), as como en la
interaccin de las mismas (sexo por ocupacin), con respecto a los factores
de la escala estilos de poder (variables dependientes) se aplic un anlisis
factorial de varianza (Cruz, 2002). A continuacin se mostrarn dos ejemplos
referentes al anlisis realizado: en el primer ejemplo (factor autoritario) se
muestran una interaccin significativa entre las variables de sexo por
ocupacin. En el segundo ejemplo (factor laissez faire) se muestra un efecto
principal por ocupacin y una interaccin significativa.
De acuerdo con la tabla 39, podemos observar que para el
factor autoritario se encuentra una interaccin significativa, en la que los
hombres que se perciben como ms speros, violentos y bruscos son
los empleados con profesin, observando que la media ms baja

la reportan los estudiantes. Sin embargo, todas las medias se observan por
debajo de la media terica. Mientras que las mujeres que se perciben como ms
speras y violentas son las empleadas con carrera tcnica, la media ms baja se
observa en las empleadas con profesin. Cabe resaltar que todas las medias se
encuentran por debajo de la media terica. Con respecto a los efectos
principales por sexo y ocupacin no se presentaron diferencias significativas
(vase tabla 39).
TABLA 39
ANLISIS DE VARIANZA PARA EL FACTOR AUTORITARIO
Media
Media Terica F P
Autoritario Sexo
Hombres Mujeres
2.81 2.94 4 .986 .322
Ocupacin
Empl. Empl. Empl.
Prof. Carr.Tc Oficio Estud. Hogar
2.88 3.06 3.26 2.83 2.69 4 .691 .599
interaccin
Hombres Mujeres
Empleado c/
Profesin 3.00 2.71
Empleado c/
Carrera Tcnica 2.96 3.11
Empleado c/ Oficio 2.83 2.87
Estudiantes 2.42 3.04
Hogar - 4 3.263 .022*
*p 0.05.
Con respecto al factor laissez faire, los resultados mostraron un efecto

principal por ocupacin y en la interaccin. Los estudiantes se perciben como
ms permisivos y abiertos. La media ms baja en este factor se encuentra en los
empleados con carrera tcnica, no obstante esta diferencia, todos los grupos se
encuentran por arriba de la media terica.
Sofa Rivera Aragn

Con respecto a la interaccin en este mismo factor, se observa que los hombres
que se perciben como ms liberales, permisivos y comprometidos, son los
empleados con oficio. La media ms baja para el grupo de los hombres, fue
reportada por los empleados con profesin, sin embargo, pese a esta diferencia,
todas las medias estn por debajo de la media terica. Las mujeres que se
perciben como ms abiertas, liberales y comprometidas son las estudiantes. La
media ms baja se encuentra en el grupo de las empleadas con oficio, no
obstante esta diferencia, todas las medias se encuentran por arriba de la media
terica. Finalmente en los efectos principales por sexo no existieron diferencias
significativas (vase tabla 40).
TABLA 40
ANLISIS DE VARIANZA PARA EL FACTOR LAISSES FAIRE
Media Media F P
terica
Laisses Sexo
Faire Hombres Mujeres
5.37 5.25 4 1.067 .303
Ocupacin
Empl. Empl. Empl.
Prof. Carr.Tc. Oficio Estud. Hogar
5.24 4.92 5.10 5.53 5.00 4 3.92 .004**
Interaccin
Hombres Mujeres
Empleado c/
Profesin 5.22 5.26
Empleado c/
Carrera Tcnica 5.51 4.59
Empleado c/ Oficio 5.75 4.66
Estudiantes 5.45 5.57
Hogar - - 4 3.80 .011*
*p 0.05, **p 0.01.

Apndice
Tabla A
VALORES CRTICOS DE CHI CUADRADA
gl Probabilidad conforme a H0 de que X2 chi cuadrada

.99 .98 .95 .90 .80 .70 .50 .30 .20 .10 .05 .02
.01 .001
1 .00016. .00003 .0039 .016 .064 .15 .46 1.07 1.64 2.71 3.84 5.41 6.64 10.83
2 .02 .04 .10 .21 .45 .71 1.39 2.41 3.22 4.60 5.99 7.82 9.21 13.82
3 .12 .18 .35 .58 1.00 1.42 2.37 3.66 4.64 6.25 7.82 9.84 11.34 16.27
4 .30 .43 .71 1.06 1.65 2.20 3.36 4.88 5.99 7,78 4.49 11.67 13.28 18.46
5 .55 .75 1.14 1.61 2.34 3.00 4.35 6.06 7.29 9.24 11.07 13.39 15.09 20.52
.87 1.13 1.64 2.20 3.07 3.83 5.35 7.23 8.56 10.64 12.59 15.03 16.81 22.46
6
7 1.24 1.56 2.17 2.83 3.82 4.67 6.35 8.38 9.80 14.07 16.62 18.48 24.32
12..02
8 1.65 2.03 2.73 3.49 4.59 5.53 7.34 9.52 11.03 13.36 15.51 18.17 20.09 26.12
9 2.09 2.53 3.32 4.17 5.38 6.39 8.34 10.66 12.24 14.68 16.92 19.68 21.67 27.88
10 2.56 3.06 3.94 4.86 6.18 7.27 9.34 11.78 13.44 15.99 18.31 21.16 23.21 29.59
11 3.05 3.61 4.58 5.58 6.99 8.15 10.34 12.90 14.63 17.28 19.68 22.62 24.72 31.26
12 3.57 4.18 5.23 6.30 7.81 9.03 11.34 14.01 15.81 18.55 21.03 24.05 26.22 32.91
13 4,11 4.76 5.89 7.04 8.63 9.93 12.34 15.12 16.98 19.81 22.36 25.47 27.69 34.53
14 4.66 5.37 6.57 7.79 9.47 10.82 13.34 16.22 18.15 21.06 23.68 26.87 29.14 36.12
15 5.23 5.98 7.26 8.55 10.31 11.72 14.34 17.32 19.31 22.31 25.00 28.26 30.58 37.70
16 5.81 6.61 7.96 9.31 11.15 12.62 15.34 18.42 20.46 23.54 26.30 29.63 32.00 39.29
17 6,41 7.26 8.67 10.08 12.00 13.53 16.34 19.51 21.62 24.77 27.59 31.00 33.41 40.75
18 7.02 7.91 9.39 10.86 12.86 14.44 17.34 20.60 22.76 25.99 28.87 32.35 34.80 42.31
19 7.63 8.57 10.12 11.65 13.72 15.35 18.34 21.69 23.90 27.20 30.14 33.69 36.19 43.82
20 8.26 9.24 10.85 12.44 14.58 16.27 19.34 22.78 25.04 28.41 31.41 35.02 37.57 45.32
21 8.90 9.92 11.59 13.24 15.44 17.18 20.34 23.86 26.17 29.62 32.67 36.34 38.93 46.80
22 9.54 10.60 12.34 14.04 16.31 18.10 21.24 24.94 27.30 30.81 33.92 37.66 40.29 48.27
23 10.20 11.29 13.09 14.85 17.19 19.02 22.34 26.02 28.43 32.01 35.17 38.97 41.64 49.73
24 10.86 11.99 13.85 15.66 18.06 19.94 23.34 27.10 29.55 33.20 36.42 40.27 42.98 51.18
25 11.52 12.70 14.61 16.47 18.94 20.87 24.34 28.17 30.68 34.38 37.65 41.57 44.31 52.62
26 12,20 13.41 15.38 17.29 19.82 21.79 25.34 29.25 31.80 35.56 38.88 42.86 45.64 54.05
27 12.88 14.12 16.15 18.11 20.70 22.72 26.34 30.32 32.91 36.74 40.11 44.14 46.96 55.48
28 13.56 14.85 16.93 18.94 21,59 23.65 27.34 31.39 34.03 37,92 41.34 45.42 48.28 56.89
29 14.26 15.57 17.71 19.77 22.48 24.58 28.34 32.46 35.14 39.09 42.56 46.69 49.59 58.80
30 14.95 16.31 18.49 20.60 23.36 25.51 29.34 33.53 36.25 40.26 43.77 47.96 50.89 59.70
Fuente: S. Siegal y N.J. Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
T ABLA B
TABLA DE VALORES CRTICOS DE T EN LA PRUEBA DE LOS RANGOS SEALADOS
DE PARES IGUALADOS DE WILCOXON
Nivel de significacin para prueba de una cola
.025 .01 .005

Nivel de significacin para prueba de dos colas
.05 .02 .01

N
~ _
6 0
7 2 0 -
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68
Fuente: N.M. Downie y R.W Heat (1973), Mtodos estadsticos aplicados, Mxico, Harla.
Sofa Rivera Aragn

T ABLA C
VALORES CRTICOS DE U DE MANN WHITNEY.
Valores crticos de U en un contraste unilateral al .005
y en un contraste bilateral al .002
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1
2
3 0 0 0 0
4 0 0 0 1 1 1 2 2 3 3 3
5 1 1 2 2 3 3 4 5 5 6 7 7
6 2 3 4 4 5 6 7 8 9 10 11 12
7 3 5 6 7 8 9 10 11 13 14 15 16
3 5 5 8 9 11 12 14 15 17 18 20 21
9 7 8 10 12 14 15 17 19 21 23 25 26
10 7 10 12 14 17 19 21 23 25 27 29 32
11 10 12 15 17 20 22 24 27 29 32 34 37
12 12 14 17 20 23 25 28 31 34 37 40 42
13 14 17 20 23 26 29 32 35 38 42 45 48
14 15 19 22 25 29 32 36 39 43 46 50 54
15 17 21 24 28 32 36 40 43 47 51 55 59
16 19 23 27 31 35 39 43 48 52 56 60 65
52 57 61 66 70
17 21 25 29 34 38 43 47
56 61 66 71 76
18 23 27 32 37 42 46 51
60 66 71 77 82
19 25 29 34 40 45 50 55
65 70 76 82 88
20 26 32 37 42 48 54 59

n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1
2 0 0 0 0 0 0 1 1
3 1 1 1 2 2 2 3 3 4 4 4 5
4 3 3 4 5 5 6 7 7 8 9 9 10
5 5 6 7 8 9 10 11 12 13 14 15 16
6 7 8 9 11 12 13 15 16 18 19 20 22
7 9 11 12 14 16 17 19 21 23 24 26 28
3 11 13 15 17 20 22 24 26 28 30 32 34
9 14 16 18 21 23 26 28 31 33 36 38 40
Apndice 245
TABLA C (Continuacin)
n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
10 16 19 22 24 11 30 33 36 38 41 44 47
11 18 22 25 28 31 34 37 41 44 47 50 53
12 21 24 28 31 35 38 42 46 49 53 56 60
13 23 27 31 35 39 43 47 51 55 59 63 67
14 26 30 34 38 43 47 51 56 60 65 69 73
15 28 33 37 42 47 51 56 61 66 70 75 80
16 31 36 41 46 51 56 61 66 71 76 82 87
17 33 38 44 49 55 60 66 71 77 82 88 93
18 36 41 47 53 59 65 70 76 82 88 94 100
19 38 44 50 56 63 69 75 82 88 94 101 107
20 40 47 53 60 67 73 80 87 93 100 107 114
Fuente: N.M. Downie y R.W. Heat (1973), Mtodos estadsticos aplicados. Mxico, Harla.

n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 1 1 1 1 1 2 2 2 2
3 2 3 3 4 4 5 5 6 6 7 7 8
4 4 5 6 7 8 9 10 11 11 12 13 13
5 7 8 9 11 12 13 14 15 17 18 19 20
6 10 11 13 14 16 17 19 21 22 24 25 27
7 12 14 16 18 20 22 24 26 28 30 32 34
8 15 17 19 22 24 26 29 31 34 36 38 41
9 17 20 23 26 28 31 34 37 39 42 45 48
10 20 23 26 29 33 36 39 42 45 48 52 55
11 23 26 30 33 37 40 44 47 51 55 58 62
12 26 29 33 37 41 45 49 53 57 61 65 69
13 28 33 37 41 45 50 54 59 63 67 72 76
14 31 36 40 45 50 55 59 64 67 74 78 83
15 34 39 44 49 54 59 64 70 75 80 85 90
16 37 42 47 53 59 64 70 75 81 86 92 98
17 39 45 51 57 63 67 75 81 87 93 99 105
18 42 48 55 61 67 74 80 86 93 99 106 112
19 45 52 58 65 72 78 85 92 99 106 113 119
20 48 55 62 69 76 83 90 98 105 112 119 127
Sofa Rivera Aragn

246
Mirna Garca Mndez
y en un contraste bilateral al. 10
ni n2 10 11 12 13 14 15 16 17 18 19 20
9
1 0 0
2 1 1 1 2 2 2 3 3 3 4 4 4
3 3 4 5 5 6 7 7 8 9 9 10 11
4 6 7 8 9 10 11 12 14 15 16 17 18
5 9 11 12 13 15 16 18 19 20 22 23 25
6 12 14 16 17 19 21 23 25 26 28 30 32
7 15 17 19 21 24 26 28 30 33 35 37 39
8 18 20 23 26 28 31 33 36 39 41 44 47
9 21 24 27 30 33 36 39 42 45 48 51 54
10 24 27 31 34 37 41 44 48 51 55 58 62
11 27 31 34 38 42 46 50 54 57 61 65 69
12 30 34 38 42 47 51 55 60 64 68 72 77
13 33 37 42 47 51 56 61 65 70 75 80 84
14 36 41 46 51 56 61 66 71 77 82 87 92
15 39 44 50 55 61 66 72 77 83 88 94 100
16 42 48 54 60 65 71 77 83 89 95 101 107
17 45 51 57 64 70 77 83 89 96 102 109 115
18 48 55 61 68 75 82 88 95 102 109 116 123
19 51 58 65 72 80 87 94 101 109 116 123 130
20 54 62 69 77 84 92 100 107 115 123 130 138
Tabla D
TABLA DE PROBABILIDADES ASOCIADAS CON VALORES TAN GRANDES COMO
VALORES OBSERVADOS DE H EN EL ANLISIS DE VARIANZA DE UNA CLASIFICACIN
POR RANGOS DE KRUSKAL WALLIS
Tamao de muestras H Tamao de muestras H P
n1 n2 n3 p n1 n2 n3
2 1 1 2.7000 .500 4 3 2 6.4444 .008

2 2 1 3.6000 .200 6.3000 .011
2 2 2 4.5714 .067 5.4444 .046
3.7143 .200 5.4000 .051
3 1 1 3.2000 .300 4.5111 .098
3 2 1 4.2857 .100 4.4444 .102
3.8571 .133 4 3 3 6.7455 .010
3 2 2 5.3572 .029 6.7091 .013
Apndice 247
TABLA D (Continuacin)
Tamao de muestras H P Tamao de muestras H P
n1 n2 n3 n1 n2 n3
4.7143 .048 5.7909 .046

4.5000 .067 5.7273 .050
4.4643 .105 4. 7091 .092
3 3 1 5.1429 .043 4.7000 .101
4.5714 .100 4 4 1 6.6667 .010
4.0000 .129 6. 1667 .022
3 3 2 6.2500 .011 4.9667 .048
5.3611 .032 4.8667 .054
5.1389 .061 4.1667 .082
4.5556 .100 4.0667 .102
4.2500 .121 4 4 2 7.0364 .006
3 3 3 7.2000 .004 6.8727 .011
6.4889 .011 5.4545 .046
5.6889 .029 5.2364 .052
5.6000 .050 4.5545 .098
5.0667 .086 4.4455 .103
4.6222 .100 4 4 3 7.1439 .010
4 1 1 3.5714 .200 7.1364 .011
4 2 1 4.8214 .057 5.5985 .049
4.5000 .076 5.5758 .051
4.0179 .114 4.5455 .099
4 2 2 6.0000 .014 4.4773 .102
5.3333 .033 4 4 4 7.6538 .008
5.1250 .052 7.5385 .011
4.4583 .100 5.6923 .049
4.1667 .105 5.6538 .054
4 3 1 5.8333 .021 4.6539 .097
5.2083 .050 4.5001 .104
5.0000 .057 5 1 1 3.8571 .143
4.0556 .093 5 2 1 5.2500 .036
3.8889 .129 5.0000 .048
4.4500 .071
4.2000 .095
4.0500 .119
5 2 2 6.5333 .008 5 4 4 7.7604 .009
6.1333 .013 7.7440 .011
5.1600 .034 5.6571 .049
5.0400 .056 5.6176 .050
4.3733 .090 4.6187 .100
Sofa Rivera Aragn

Tamao de muestras H P Tamao de muestras H P
n1 n2 n3 n1 n2 n3
4.2933 .122 4,5527 .102

5 3 1 6.4000 .012 5 5 1 7.3091 .009
4.9600 .048 6.8364 .011
4.8711 .052 5.1273 .046
4.0178 .095 4.9091 .053
3.8400 .123 4.1091 .086
5 3 2 6.9091 .009 4.0364 .105
6.8218 .010 5 5 2 7.3385 .010
5. 2509 ,049 7.2692 .010
5.1055 .052 5.3385 .047
4.6509 .091 5.2462 .051
4.4945 .101 4.6231 .097
5 3 3 7.0788 .009 4.5077 .100
6.9818 .011 5 5 3 7.5780 .010
5.6485 .049 7.5429 .010
5.5152 .051 5.7055 .046
4.5333 .097 5.6264 .051
4.4121 .109 4.5451 .100
5 4 1 6.9545 .008 4.5363 .102
6.8400 .011 5 5 4 7.8229 .010
4.9855 .044 7.7914 .010
4.8600 .056 5.6657 .049
3.9873 .098 5.6429 .050
3.9600 .102 4.5229 .099
5 4 2 7.2045 .009 4.5200 .101
7.1182 .010 5 5 5 8.0000 .009
5.2727 .049 7.9800 .010
5.2682 .050 5.7800 .049
4.5409 .098 5.6600 .051
4.5182 .101 4.5600 .100
5 4 3 7.4449 .010 4.5000 .102
7.3949 .011
5.6564 .049
5.6308 .050
4,5487 .099
4.5231 .103
Fuente: S. Siegal y N.J Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 2a. ed., 3a. reimp., Mxico, Trillas.
Apndice 249
T ABLA E
VALORES CRTICOS DE R
Valores de r al nivel de confianza de 0.05 y 0.01
gl .05 .01
1 .99692 .999877
2 .95000 .990000
3 .8783 .95873
4 .8114 .91720
5 .7545 .8745
.7067 .8343
7 .6664 .7977
8 .6319 .7646
9 .6021 .7348
10 .5760 .7079
11 .5529 .6835
12 .5324 .6614
13 .5139 .6411
14 .4973 .6226
15 .4821 .6055
16 .4683 .5897
17 .4555 .5751
18 .4438 .5614
19 .4329 .5487
20 .4227 .5368
25 .3809 .4869
30 .3494 .4487
35 .3246 .4182
40 .3044 .3932
45 .2875 .3721
50 .2732 .3541
60 .2500 .3248
70 .2319 .301 7
80 .2172 .2830
90 .2050 .2673
Fuente: I. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
Sofa Rivera Aragn

T ABLA F
VALORES CRTICOS DE T
Valores de t al nivel de confianza de 0.05 y 0.01
gi .05 .01
i 12.706 63.657
2 4.303 9.925
3 3.182 5.841
4 2.776 4.604
5 2.571 4.032
6 2.447 3.707
7 2.365 3.499
8 2.306 3.355
9 2.262 3.250
10 2.228 3.169
11 2.201 3.106
12 2.179 3.055
13 2.160 3.012
14 2.145 2.977
15 2.131 2.947
16 2.120 2.921
17 2.110 2.898
18 2.101 2.878
19 2.093 2.861
20 2.086 2.845
21 2.080 2.831
22 2.074 2.819
23 2.069 2.807
24 2.064 2.797
25 2.060 2.787
26 2.056 2.779
27 2.052 2.771
28 2.048 2.763
29 2.045 2.756
30 2.042 2.750
40 2.021 2.704
60 2.000 2.660
120 1.980 2.617
OO
1.960 2.576
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social. 2a.
ed., Mxico, Oxford.
Apndice 251
T ABLA G
VALORES CRTICOS DE E
Valores de F al nivel de confianza de .05 y .01
gl 1 2 3 4 5 6 8 12
(gl para el numerador) P = .05

(gl para el 1 161.4 199.5 215.7 224.6 230.2 234. 238.9 243.9
denominador) 2 18.51 19.00 19.16 19.25 19.30 19.3 19.37 19.41
3 10.13 9.55 9.28 9.12 9.01 8,94 8.84 8.74
4 7.71 6.94 6.59 6.39 6.26 6.16 6.04 5.91
5 6.61 5.79 5.41 5.19 5.05 4.95 4.82 4.68
6 5.99 5.14 4.76 4.53 4.39 4.28 4.15 4.00
7 5.59 4.74 4.35 4.12 3.97 3,87 3.73 3.57
8 5.32 4.46 4.07 3.84 3.69 3.58 3.44 3,28
9 5.12 4.26 3.86 3.63 3.48 3.37 3.23 3.07
10 4.96 4.10 3.71 3.48 3.33 3.22 3.07 2.91
11 4.84 3,98 3.59 3.36 3.20 3.09 2.95 2.79
12 4.75 3.88 3.49 3.26 3.11 3.00 2,85 2.69
13 4.67 3.80 3.41 3.18 3.02 2.92 2,77 2.60
14 4.60 3.74 3.34 3.11 2.96 2.85 2.70 2.53
15 4.54 3.68 3.29 3.06 2.90 2.79 2.64 2.48
16 4.49 3.63 3.24 3.01 2,85 2.74 2.59 2.42
17 4.45 3.59 3.20 2.96 2.81 2.70 2.55 2.38
18 4.41 3.55 3.16 2.93 2.77 2.66 2.51 2.34
19 4.38 3.52 3.13 2.90 2.74 2.63 2.48 2,31
20 4.35 3.49 3.10 2.87 2.71 2.60 2.45 2,28
21 4.32 3.47 3.07 2.84 2.68 2.57 2.42 2.25
22 4.30 3.44 3.05 2.82 2.66 2.55 2.40 2.23
23 4.28 3.42 3.03 2.80 2.64 2.53 2,38 2.20
24 4.26 3.40 3.01 2.78 2.62 2.51 2.36 2.18
25 4.24 3.38 2.99 2.76 2.60 2.49 2.34 2.16
26 4.22 3.37 2.98 2.74 2.59 2.47 2.32 2.15
27 4.21 3.35 2.96 2.73 2.57 2.46 2.30 2.13
28 4.20 3.34 2.95 2.71 2.56 2.44 2.29 2.12
29 4.18 3.33 2.93 2.70 2.54 2.43 2.28 2,10
30 4.17 3.32 2.92 2.69 2.53 2.42 2.27 2.09
40 4.08 3.23 2.84 2.61 2.45 2.34 2.18 2.00
60 4.00 3.15 2.76 2.52 2.37 2.25 2.10 1.92
120 3.92 3.07 2.68 2.45 2,29 2.17 2.02 1.83
OO
3.84 2.99 2.60 2.37 2.21 2.09 1.94 1.75
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
Sofa Rivera Aragn

252
Mirna Garca Mndez
gl 1 2 3 4 5 6 8 12
(gl para el numerador) P = .01

(gl para el 1 4052 4999 5403 5625 5764 5859 5981 6106
denominador) 2 98.49 99.01 99.17 99.25 99.30 99.33 99.36 99.42
3 34.12 30.81 29.46 28.71 28.24 27.91 27.49 27.05
4 21.20 18.00 16.69 15.98 15.52 15.21 14.80 14.37
5 16.26 13.27 12.06 11.39 10.97 10.67 10.27 9.89
6 13.74 10.92 9.78 9.15 8.75 8.47 8.10 7.72
7 12.25 9.55 8.45 7.85 7.46 7.19 6.84 6.47
8 11.26 8.65 7.59 7.01 6.63 6.37 6.03 5.67
9 10.56 8.02 6.99 6.42 6.06 5.80 5.47 5.11
10 10.04 7.56 6.55 5.99 5.64 5.39 5.06 4.71
11 9.65 7.20 6.22 5.67 5.32 5.07 4.74 4.40
12 9.33 6.93 5.95 5.41 5.06 4.82 4.50 4.16
13 9.07 6.70 5.74 5.20 4.86 4.62 4.30 3.96
14 8.86 6.51 5.56 5.03 4.69 4.46 4.14 3.80
15 8.68 6.36 5.42 4.89 4.56 4.32 4.00 3.67
16 8.53 6.23 5.29 4.77 4.44 4.20 3.89 3.55
17 8.40 6.11 5.18 4.67 4.34 4.10 3.79 3.45
18 8.28 6.01 5.09 4.58 4.25 4.01 3.71 3.37
19 8.18 5.93 5.01 4.50 4.17 3.94 3.63 3.30
20 8.10 5.85 4.94 4.43 4.10 3.87 3.56 3.23
21 8.02 5.78 4.87 4.37 4.04 3.81 3.51 3.17
22 7.94 5.72 4.82 4.31 3.99 3.76 3.45 3.12
23 7.88 5.66 4.76 4.26 3.94 3.71 3.41 3.07
24 7.82 5.61 4.72 4.22 3.90 3.67 3.36 3.03
25 7.77 5.57 4.68 4.18 3.86 3.63 3.32 2.99
26 7.72 5.53 4.64 4.14 3.82 3.59 3.29 2.96
27 7.68 5.49 4.60 4.11 3.78 3.56 3.26 2.93
28 7.64 5.45 4.57 4.07 3.75 3.53 3.23 2.90
29 7.60 5.42 4.54 4.04 3.73 3.50 3.20 2.87
30 7.56 5.39 4.51 4.02 3.70 3.47 3.17 2.84
40 7.31 5.18 4.31 3.83 3.51 3.29 2.99 2.66
60 7.08 4.98 4.13 3.65 3.34 3.12 2.82 2.50
120 6.85 4.79 3.95 3.48 3.17 2.96 2.66 2.34
OO
6.64 4.60 3.78 3.32 3.02 2.80 2.51 2.18
Apndice 253
Bibliografa
LVAREZ CCERES, R. (1995), Estadstica multivariante y no paramtrica con SPSS. Aplicacin
a las ciencias de la salud, Espaa, Ediciones Daz de Santos.
BARRAGN, L., J. Benavides, A.M. Brugman y E. Lucio (1988), "El uso del wais y
wisc en psicologa clnica", en Programa de Publicaciones de Material Didctico.
Evaluacin de la Personalidad, unidad n. Universidad Nacional Autnoma de
Mxico, Facultad de Psicologa.
CAETAS, S. Rivera y R. Daz-Loving (2000), "Desarrollo de un instrumento
multidimensional de satisfaccin marital", La Psicologa Social en Mxico, viii,
pp. 266-274.
CLARK-CARTER, D. (2002), Investigacin cuantitativa en psicologa, Mxico, Oxford.
CONOVER, W.J. (1980), Practical Nomparametric Statistics, 2a. ed., Nueva York, John
Wiley & Sons.
CORTS, S., D. Reyes, R. Daz-Loving, S. Rivera y J. Monjaraz (1994), "Elaboracin
y anlisis psicomtrico del inventario multifactico de satisfaccin marital
(IMSM)". La Psicologa Social en Mxico, v, pp. 123-130.
CRUZ del C., C. (2002), Autoconcepto y estilos de poder en la pareja, tesis de licenciatura,
Facultad de Psicologa, UNAM.
DAZ-LOVING, R. (1999), "Una teora bio-psico-socio-cultural de la relacin de
pareja", en R. Daz-Loving (comp.), Antologa psicosocial de la pareja, Mxico,
Asociacin Mexicana de Psicologa Social, Miguel ngel Porra.
DOLLAR, J., L. Doob, N.E. Miller, O.H. Mowrer y R.R. Sears (1939), Frustratation and
Agression, Newhaven, Yale University Press.
DOWNIE, N.M, y R.W Heath (1973), Mtodos estadsticos aplicados, Mxico, Hara.
KERLINGER, EN. y H.B. Lee (2001), Investigacin del comportamiento. Mtodos de
investigacin en ciencias sociales, 4a. ed., Mxico, McGraw-Hill.
257
NUNNALLY, J.C. e I.J. Bernestein (1995), Teora psicomtrca, 3a. ed., Mxico,
McGraw-Hill.
LEVIN, J. y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
Pavaan, C.G. (2004), Actitud hacia el sida de adolescentes mexicanos, tesis de
licenciatura, Facultad de Psicologa, UNAM.
RIVERA, S. y R. Daz-Loving (2000), La cultura del poder en la pareja, Mxico, Miguel
ngel Porra.
RIVERA, S., R. Daz-Loving, C. Cruz del Castillo y F Vidal (2004), "Negociacin
del conflicto y satisfaccin en la pareja", La Psicologa Social en Mxico, AMEPSO,
X, pp. 135-140.
ROMERO, A. y S. Rivera (2004), "Qu motiva a un hombre y a una mujer a ser
infiel?", La Psicologa Social en Mxico, AMEPSO, X, pp. 141-146.
ROMERO, PA. (2003), Historias de amor y la satisfaccin en la relacin de pareja, tesis de
licenciatura no publicada, Mxico, Facultad de Psicologa, Universidad
Nacional Autnoma de Mxico.
ROSA, Jorge la (1986), Escalas de locus de control y autoconcepto, tesis de doctorado en
psicologa social no publicada, Mxico, Facultad de Psicologa, UNAM.
RUNYON, R. y A. Haber (1987), Estadstica para las ciencias sociales, Wilmington,
Delawere, Addison-Wesley Iberoamercana y Mxico, Sistemas Tcnicos de
Edicin.
SIEGEL, S. y N.J. Castellan (2003), Estadstica no paramtrica aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
VARGAS, I. M. Garca-Mndez, R. Daz-Loving y S. Rivera (2004), ponencia en el
X Congreso Mexicano de Psicologa Social, Mxico, AMEPSO.
VIGANO, D. (1986), Autoritarismo y rendimiento escolar en adolescentes, "tesis
de maestra no publicada, Mxico, Facultad de Psicologa,. Universidad
Nacional Autnoma de Mxico.
YOUNG R. y D. Veldman (1983), Introduccin a la estadstica aplicada a las ciencias de la
conducta, Mxico, Trillas.
ZUNG, W., C. Richards y M. Short (1965), "Self-Rating Depression Scale in an
Outpatient Clinic", Arch Gen Psychiat, 13, pp. 508-515.
Sofa Rivera Aragn

268
Mirna Garca Mndez
ndice
PRLOGO
Rolando Daz Loving ...................................................................................... 7
INTRODUCCIN ...................................................................................................... 11
Captulo 1
MEDICIN ...................................................... ........................................................ 17
Escalas de medicin ............................................................................................. 19
Nominal ............................................................................................................ 19
Ordinal .............................................................................................................. 20
Intervalar .................................................................................... ..................... 21
De razn ............................................................................................................ 22
Captulo 2
ESTADSTICA DESCRIPTIVA.................................................................................... 25
Conocer el tipo de distribucin ......................................................................... 27
Ejercicio SPSS ................................................................................................... 32
Representacin grfica ............................................. . ........................................ 37
Grfica de barra ............................................................................................... 38
Grfica de pastel o de sectores .................... ................................................ 40
Grfica de histograma ............................................................................. . . 40
Grfica de ojiva o de polgono de frecuencia acumulada 42
Grfica de polgonos de frecuencia ...................................................... .. . 43
Obtener medidas de tendencia central .. 44
Media ................................................................................................................. 45
Mediana............................................................................................................. 49
Moda .............................................................................................................. .. 50
Ejercicio SPSS ................................................................................................... 51
Calcular medidas de dispersin (variabilidad) ............................................. 53
Rango (R) .......................................................................................................... 53
Desviacin estndar ...................................................................................... 54
Varianza (s2 o ) ............................................................................................
2
57
Sesgo .................................................................................................................. 58
Curtosis (K) ....................................................................................................... 59
Error estndar ( o e) ..................................................................................... 61
Ejercicio SPSS ................................................................................................ 62
Captulo 3
ESTADSTICA INFERENCIAL ....................................................................................... 67
Aplicaciones de la estadstica inferencial ....................................................... 69
Clasificacin de la estadstica inferencial ..................................................... 73
No paramtrica ............................................................................................... 73
Ventajas ............................................................................................................ 74
Desventajas .................................................................................................... 74
Paramtrica ...................................................................................................... 76
Captulo 4
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA .................................................... 81
Pruebas para una muestra simple ........................................................................ 83
Chi cuadrada (x2) ................................................................................................. 83
Ejercicio SPSS ....................................................................................................... 88
Pruebas para muestras relacionadas .................................................................... 91
McNemar .............................................................................................................. 92
Ejercicio SPSS ....................................................................................................... 96
t de Wilcoxon (tw) ............................................................................................ 100
Ejercicio SPSS ....................................................................................................... 103
Pruebas para muestras independientes ............................................................. 106
U de Mann Whitney (U) .................................................................................. 107
Ejercicio SPSS ....................................................................................................... 111
Anlisis de varianza en una direccin por rangos de
KrusKal-Wallis (H) ........................................................................................... 117
Ejercicio SPSS ...................................................................................................120
Chi cuadrada para muestras independientes x 2 .......................................126
Ejercicio x 2 por homogeneidad ...................................................................126
Ejercicio SPSS ...................................................................................................131
Captulo 5
ESTADSTICA PARAMTRICA..................................................................................... 137
Caractersticas .................................................................................................... 139
Pruebas paramtricas. Prueba de coeficiente de
correlacin de producto-momento de Pearson .........................................140
Introduccin .............................................................................. . ..................140
Definicin .......................................................................................................140
Requisitos ............................................................................................ .. 141
Interpretacin .................................................................................................142
Frmula .................................................................................. ......................144
Regla de decisin para obtener la significancia ......................................145
Ejercicio SPSS ...................................................................................................148
Reporte de investigacin de la correlacin
producto-momento de Pearson ...............................................................152
t de student .............................................................................................. ......... 152
Introduccin ...................................................................................................152
Definicin .......................................................................................................154
Requisitos .......................................................................................................154
Clasificacin de la prueba t ........................................................................155
independientes con N iguales ................................................................156
independientes con N desiguales ...........................................................161
Ejercicio SPSS .. ...............................................................................................166
Reporte de investigacin de la prueba t
para muestras independientes ....................................................................168
Clculo de t para muestras relacionadas ...................................................171
Ejercicio SPSS ...................................................................................................176
Reporte de investigacin de la prueba t
para muestras relacionadas ......................................................................... 180
Anlisis de varianza (Anova) ..........................................................................180
Introduccin...180
Definicin...182
Requisitos...182
Anlisis de varianza simple cuando
el tamao (N) de los grupos es igual .................................................... 184
Anlisis de varianza simple para N desiguales ...................................... 191
Ejercicio SPSS .................................................................................................. 199
Reporte de investigacin del anlisis de varianza simple 203
Anlisis de varianza de doble clasificacin ............................................ 204
Ejercicio SPSS .................................................................................................. 218
Anlisis factorial de varianza ..........................................................................222
Ejercicio SPSS .................................................................................................. 233
Reporte de investigacin del anlisis factorial de varianza . . . 237
APNDICE ................................................................................................................... 241
BIBLIOGRAFA ............................................................................................................ 255

ISBN 970-701 -587-X

234 - Aplicacin de La Estadstica A La Psicologa PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

234 - Aplicacin de La Estadstica A La Psicologa PDF

Cargado por

Copyright:

Formatos disponibles

Esta investigacin, arbitrada por pares acadmicos, se privilegia con

el aval de la institucin propietaria de los derechos correspondientes.

Ia edicin, julio del ao 2005

Ia reimpresin, junio del ao

2005-2012 UNIVERSIDAD NACIONAL AUTNOMA DE

MIGUEL NGEL PORRA, librero-editor

Derechos reservados conforme a

Queda prohibida la reproduccin parcial o total, directa o indirecta del

Javier y Monse, por ser lo ms importante en mi vida.

En la realizacin de este libro particip un grupo de

comportamiento humano y para el desarrollo de programas e intervenciones

La obtencin de hallazgos contundentes y replicables implica una

ROLANDO DAZ LOVING

relaciones interpersonales, y cmo ocurren stas en diferentes contextos -pareja,

Sofa Rivera Aragn

Es el nivel ms bajo de medicin de una variable en el que se le asignan

Esta medicin coloca los casos dentro de categoras o conjuntos, y se cuenta la

Sofa Rivera Aragn

Como se puede observar en ambos ejemplos, no existe una distancia exacta

Esta medicin posee las caractersticas de las escalas nominales y ordinales, de

Coeficiente intelectual Clasificacin

130 o ms Muy superior

Es el nivel ms alto de medicin de una variable. Es una medida poco empleada en

Sofa Rivera Aragn

Clasificacin Definicin Funcin Propiedad Estadstica Ejemplo

Nominal Categoriza Nombra Igualdad No Estado civil:

Ordinal Ordena una Jerarquiza las >o< No Escolaridad:

La satisfaccin marital se medir con el IMSM integrado por 47 enunciados

a) Conocer el tipo de distribucin.

Conocer el tipo de distribucin

La frecuencia absoluta describe objetos, la relativa los ordena en porcentajes,

Esta tabla muestra el total de hombres y mujeres que participaron en la

Sofa Rivera Aragn

FRECUENCIAS DEL SIGNIFICADO DE FUNCIONAMIENTO FAMILIAR EN HOMBRES Y

cuando existen diferencias en su tamao se emplea la frecuencia relativa (fr %).

Siguiendo con el ejemplo de los significados generales del funcionamiento

Hombres 144 48.0

Mujeres 156 52.0

Con respecto a las respuestas de la muestra en relacin con los significados

FRECUENCIAS ABSOLUTA Y RELATIVA DEL SIGNIFICADO DE FUNCIONAMIENTO

FAMILIAR EN HOMBRES Y MUJERES

Organizacin y estructura 25 17.4 20 12.8

La frecuencia ajustada recalcula la frecuencia absoluta quitando datos o con

Sofa Rivera Aragn

FRECUENCIAS ABSOLUTA, RELATIVA Y AJUSTADA DEL SIGNIFICADO DE

Significados generales Hombres Mujeres

Organizacin y estructura 25 17.4 17.4 20 12.8 20

Estado civil f fr(%) fa (%)

Casado 120 40.0 40.3

FRECUENCIAS ABSOLUTAS, RELATIVAS, AJUSTADAS Y ACUMULADAS DE HOMBRES Y

MUJERES CON RELACIN AL SIGNIFICADO DEL FUNCIONAMIENTO FAMILIAR

Significados Hombres Mujeres

Sofa Rivera Aragn

Paso 5. Se coloca el cursor en el icono de OK, se presiona el botn iz-

Sofa Rivera Aragn

Estos resultados indican que los significados de funcionamiento familiar con

Edad f Edad f Edad f Edad f

A su vez los intervalos de clase tienen un lmite inferior y un lmite superior

Sofa Rivera Aragn

LMITES SUPERIOR E INFERIOR DE LOS INTERVALOS DE EDAD EN UNA

Limits inferior Intervalo de clase Lmite superior

55.5 56-60 60.5

Los resultados que se obtienen de la investigacin se pueden representar en tablas